CJK統合漢字 — 中国語・日本語・韓国語の文字

CJK統合漢字

CJK統合漢字ブロック（U+4E00〜U+9FFF）はUnicodeで最大のブロックの一つで、中国語、日本語（漢字）、韓国語（漢字）の書記体系で共有される20,000以上の文字を含みます。追加の拡張（Ext. A〜I）により総計は90,000漢字を超えます。

主要なCJKブロック

ブロック	範囲	数	プレーン
CJK統合漢字	U+4E00–U+9FFF	約20,992	BMP
CJK拡張A	U+3400–U+4DBF	約6,592	BMP
CJK拡張B	U+20000–U+2A6DF	約42,720	SIP（第2面）
CJK拡張C〜I	各種	約50,000+	SIP/TIP

UTF-8エンコーディング

メインCJKブロック（BMP）の文字はUTF-8で3バイトを使用します。例：

• 世 (世) = U+4E16 → UTF-8: E4 B8 96
• 字 (字) = U+5B57 → UTF-8: E5 AD 97
• 韓 (韓) = U+97D3 → UTF-8: E9 9F 93

拡張Bおよび以降の文字は補助面に位置し、UTF-8で4バイト、UTF-16でサロゲートペアが必要です。

漢字統合

Unicodeの漢字統合原則は、地域によって視覚的な形が微妙に異なる場合でも、中国語、日本語、韓国語で同じとみなされる文字に単一のコードポイントを割り当てます。例えば「骨」の文字は中国語フォントと日本語フォントで微妙に異なる場合がありますが、両方ともU+9AA8を使用します。

実用上の影響

CJKテキストを扱う場合、各文字はUTF-8でASCIIの1バイトに対して3バイトを占めることを覚えておいてください。100文字の日本語の文はUTF-8で約300バイトを使用します。データベースカラムのサイズ設定、APIペイロード制限、テキスト切り詰めロジックはこの違いを考慮する必要があります。