使用通用 Unicode 属性

Question

我正在尝试利用正则表达式功能：\p{UNICODE PROPERTY NAME}

但是，我很难理解这些属性名称的映射。

我直接访问了 Unicode.org 网站 (http://www.unicode.org/Public/UCD/latest/ucd/) 并下载了一个文件“UnicodeData.txt”，其中列出了类别...但这仅显示 27,268 个字符值。

但我知道 utf-8 或 ucs-2 中有 65k 个字符 .... 所以我很困惑为什么 Unicode.org 下载只有 24k 行。

...我在某处遗漏了一点吗？

我确定我只是在这里对一些简单的事情视而不见......如果有人能帮助我理解......我将不胜感激！

Answer 1

到目前为止一切都很好。您看到的字符是 all，但 CJK 字符（中日韩）。 Unicode 联盟让主 UnicodeData 文件中的那些文件保持在合理的大小。

如果您只想查找单个字符的属性（而不是批量），您可以使用为您准备数据的网站，例如 Graphemica、FileFormat 或（我自己的）Codepoints.net。

但是，如果您需要批量查找，Unicode 还提供具有特定语法的 XML file 形式的数据，将代码点组合在一起。这可能是处理数据的最佳选择。