Eurooppalaisen merkistön merkkien suomenkieliset nimet

Johdanto

Tämän julkaisun pohjana on maailmanlaajuinen tietotekniikan merkistöä koskeva standardi ISO/IEC 10646, Universal Multiple-Octet Coded Character Set (UCS), jonka ensimmäinen vaihe julkaistiin vuonna 1993, ja standardissa on jo yli 100 000 merkkiä. UCS ja siitä alkujaan riippumaton Unicode Standard ovat nykyisin merkkivalikoimaltaan ja koodaukseltaan yhdenmukaiset. Kun näin laajan merkistön soveltaminen kokonaisuudessaan ei useimmiten ole tarkoituksenmukaista, on siitä määritelty yhteisiä käsittely- ja tulostussääntöjä varten osajoukkoja.

Euroopan standardointijärjestö CEN julkaisi ensimmäisen tällaisen osajoukkomäärityksen esistandardina ENV 1973:1996, European Subsets of ISO/IEC 10646-1. Siinä määritelty eurooppalainen vähimmäisosajoukko Minimum European Subset käsitti 926 yksilöityä merkkiä, joiden nimet suomennettiin käännösprojektin ensimmäisessä vaiheessa.

CEN on korvannut ENV 1973:n sittemmin dokumentilla CWA 13873:2000, Multilingual European Subsets in ISO/IEC 10646-1. Siinä määritelty MES-2-osajoukko käsittää 1 052 yksilöityä merkkiä, joiden nimien suomennokset esitetään tässä julkaisussa. Tämä määrittely sisältyy myös ISO/IEC 10646:een kokoelmana 282 MES-2 (liitteessä A.4.2). Merkit tähän osajoukkoon on valittu mm. kielten perusteella latinalaisen, kreikkalaisen ja kyrillisen kirjoitusjärjestelmän kirjaimista. Sen uskotaan kattavan vähintään CWA:n liitteessä C esitetyt 128 kieltä. Kieliluettelo on myös tämän julkaisun liitteessä A.

Osajoukon määrittelyn tarkoituksena on esittää ne merkit, jotka tulisi voida käsitellä ja tulostaa yhdessä sekä mm. eurooppalaisten virallisten instituutioiden, mukaan lukien EU ja EFTA, dokumenteissa ja muissa yleiseurooppalaisissa sovelluksissa että valtioiden rajat ylittävien tapahtumien käsittelyssä.

Maailmanlaajuiset ISO/IEC 10646 ja Unicode-standardi ovat jatkuvan rinnakkaisen päivityksen kohteina.

Käännöstyötä tehtäessä on pyritty kiinnittämään erityistä huomiota siihen, etteivät nyt esitettävät merkkien suomenkieliset nimet vaikeuttaisi koko ISO/IEC 10646:n merkkien nimien johdonmukaista suomentamista.

1 Sanaston rakenne

Sanaston rakenne on seuraavanlainen: merkin tunnus, ts. sen merkkipaikan heksadesimaaliarvo, itse merkki, merkin englanninkielinen nimi ja merkin suomenkielinen nimi sekä mahdollisesti huomautuksia.

Kaikille merkeille annetaan ns. rakenteellinen nimi, joka kuvaa merkin ulkonäköä mahdollisimman tarkkaan, esim.:

Tarpeen vaatiessa esitetään vaihtoehtoinen suomenkielinen nimi huomautuksissa, esim.:

Lähinnä suomen kielen aakkostoon kuuluvilla merkeillä on vakiintunut yleiskielinen nimi, esim.:

Joidenkin merkkien kohdalla annetaan huomautussarakkeessa esimerkkejä merkkien käytöstä tai mainitaan kieli, jossa merkkiä käytetään.

Merkit on ryhmitelty perusstandardissa esitettyjen merkkilohkojen mukaisesti. Merkeistä esitellään vain MES-2-osajoukkoon kuuluvat merkit. Merkkilohkojen nimistä esitetään alkuperäinen englanninkielinen nimi ja suomenkielinen nimi.

2 Kielikohtaisia huomautuksia

Suomen ja muiden Pohjoismaiden kotimaisten kielten edellyttämät merkit sisältyvät eurooppalaiseen osajoukkoon MES-2. Seuraavassa on kielikohtainen luettelo merkeistä, jotka tarkkeettomien peruskirjainten (A–Z) lisäksi kuuluvat kunkin kielen aakkostoon. Vierasperäisissä sanoissa voi esiintyä muitakin tarkkeellisia kirjaimia.

2.1 Suomi

Suomen kielen oikeinkirjoituksen mukainen lainausmerkkien käyttö on seuraavanlainen: Kokolainausmerkkiä (201D) käytetään sekä lainauksen alussa että lopussa, esim.
Me sanoimme: ”Apu on tulossa.”
Myös puolilainausmerkki (2019) on sama lainauksen alussa ja lopussa, esim.
”Puhuit silloin ’epäselvyyksistä’. Mitä oikein tarkoitit?” hän kysyi.
Kokolainausmerkin sijasta voidaan käyttää kulmalainausmerkkiä » (00BB).

2.2 Ruotsi

2.3 Romanikieli Suomessa

2.4 Saamen kielet

2.4.1 Pohjoissaame

2.4.2 Inarinsaame

2.4.3 Koltansaame

2.4.4 Luulajansaame

Jälkimmäiset neljä merkkiä ovat vaihtoehtoisia niin, että merkit 00C4 ja 00E4 ovat käytössä lähinnä Ruotsissa, merkit 00C6 ja 00E6 Norjassa.

2.4.5 Eteläsaame

Ensimmäiset kahdeksan merkkiä ovat vaihtoehtoisia niin, että merkit 00C4, 00E4, 00D6 ja 00F6 ovat käytössä lähinnä Ruotsissa, merkit 00C6, 00E6, 00D8 ja 00F8 Norjassa.

2.5 Norja ja tanska

2.6 Fääri

2.7 Islanti

2.8 Grönlanti

Kirjain 0138 on pariton pienaakkonen. Vastaavana suuraakkosena käytetään yhdistelmää ISO K ja HEITTOMERKKI-TARKE, jota ei ole omana merkkinään standardissa ISO/IEC 10646-1 eikä näin ollen sen eurooppalaisissa osajoukoissakaan. Kyseiset kirjaimet korvataan joskus kirjaimilla Q ja q.

2.9 Erityistä

Huomattakoon, että saamen kielissä seuraavat kirjaimet muodostavat ison ja pienen kirjaimen parin:

Sen sijaan fäärin ja islannin kielessä seuraavat kirjaimet muodostavat ison ja pienen kirjaimen parin:

Merkit 0110 ja 00D0 ovat ulkonäöltään samat.

3 Teknisiä huomautuksia

Merkkien nimet kirjoitetaan standardin ISO/IEC 10646 määrittelyn mukaisesti suuraakkosin.

Tällä hetkellä vielä paikoin varsin yleisessä käytössä olevan kahdeksanbittisen Latin-1-merkistön, joka on määritelty standardissa ISO/IEC 8859-1, kaikki 191 varsinaista merkkiä ovat samoja kuin standardin ISO/IEC 10646 kahdessa ensimmäisessä merkkilohkossa määritellyt merkit.

Latin-1-merkistö ei sisällä kaikkia suomen kielessä käytettyjä kirjaimia, jotka kuitenkin sisältyvät mm. sen pohjalta euron merkin vuoksi kehitettyyn Latin-9-merkistöön, ISO/IEC 8859-15. Latin-9 on ollut Suomen kansallinen merkistöstandardi vuodesta 2000 tunnuksella SFS-ISO/IEC 8859-15.

Useissa standardeissa, kuten kaikissa ISO/IEC 8859:n osissa ja myös ISO/IEC 10646:ssa, on merkkipaikat 0000–001F ja 007F–009F (yht. 65 kpl) varattu kirjoittumattomille ohjausmerkeille, joita määritellään tarkemmin muissa standardeissa. Näitä ohjausmerkkipaikkoja on useissa toimittajakohtaisissa ratkaisuissa käytetty myös muihin tarkoituksiin.

Merkkien varsinainen koodaus tapahtuu UCS-standardin mukaisesti sen merkkipaikkojen perusteella käyttäen joko UTF-8-, UTF-16- tai UTF-32-siirtomuotoa, jonka valintaan vaikuttavat tyypillisesti suorituskykynäkökohdat.

Tämän dokumentin PDF-versio on tuotettu HTML-versiosta PDFCreator-ohjelmalla käyttäen ensisijaisesti fonttia (kirjasintyyliä) Arial Unicode MS.

4 Viitteitä merkistöstandardeihin

• ISO/IEC 10646, Information Technology – Universal Multiple-Octet Coded Character Set (UCS)
• CWA 13873:2000, Information Technology – Multilingual European Subsets in ISO/IEC 10646-1, joka on saatavissa CWA-jakelusivulta <http://www.cenorm.be/cenorm/businessdomains/businessdomains/informationsocietystandardizationsystem/published+cwas/cwa+download+area.asp>.
• SFS-ISO/IEC 8859-15:en, Tietotekniikka. Yksitavuiset 8-bittiset koodatut graafiset merkistöt. Osa 15. Latinalaisaakkosto nro 9 – Information Technology. 8-bit single-byte coded graphic character sets. Part 15: Latin alphabet No. 9
• ENV 1973:1996, Information Technology – European Subsets of ISO/IEC 10646-1 (vanhentunut)
• Unicode Standard, joka on merkkivalikoiman ja koodauksen osalta yhdenmukainen UCS:n kanssa, mutta määrittää lisäksi eräitä toteutusnäkökohtia, on saatavissa osoitteesta <http://www.unicode.org>.

5 Merkkien nimien taulukko

Taulukon ensimmäinen sarake ilmoittaa merkin koodiposition ISO/IEC 10646:ssa ja Unicodessa heksadesimaalisena. Toinen sarake sisältää itse merkin isokokoisena, sikäli kuin käytettävä selain ja fontti (kirjasintyyli) pystyvät sen esittämiseen. (Monetkaan käytössä olevat fontit eivät vielä sisällä kaikkia näitä merkkejä.) Kolmas sarake sisältää ensin suomenkielisen ja sitten englanninkielisen nimen. Neljännessä sarakkeessa on lyhyitä huomautuksia.

Taulukossa on väliotsikoita, jotka jaottelevat merkit perusstandardeissa lohkoihin (blocks), joista mainitaan sekä suomen- että englanninkielinen nimi. Lisäksi mainitaan lohkon koko merkkipaikka-alue, johon yleensä kuuluu muitakin merkkejä kuin MES-2:een otettuja.