Unicode 块：获取每种语言的字母表 [Java]答案

【问题标题】：Unicode Blocks: get alphabet of every language [Java]Unicode 块：获取每种语言的字母表 [Java]
【发布时间】：2012-08-21 06:34:39
【问题描述】：

我现在已经搜索了很多，希望有人可以帮助我。我想获取 Java 中每种语言的 Unicode 块。到目前为止我发现的是：

但这还不够。我也想知道，德语、法语、俄语字母表中的哪些字母。我只能知道它们对应于拉丁文或西里尔文，而不是特定于语言的字母，如 this。

【问题讨论】：

我认为这是不可能的——语言的字符集没有那么明确。例如，“ç”是“façade”中使用的英文合法字符。 CJK 字符块（中文、日文和韩文）也很好地混合在一起，因为有很多重叠。
好吧，“ç”在英语中可能是一个合法字符，但我认为您在童年时并没有了解到英语字母表中有多个 A-Z 字符，或者？
字母仍然只是 A-Z，但有时 c 可能有尾音 (ç)，e 可能有重音 (é) 等。如果你想进入更古老的英语，那么你也得到奇怪形式的字母，如“ſ”（long s）。德语、法语和英语都使用相同的拉丁字母：A-Z。你想怎么分区？（顺便说一句，德语字母 ß 实际上就是我刚才提到的“长 s”，后跟一个普通的 s：ſs => ß）
我不想说这些字符 (ç)(é) 不应该用英文显示。就像这些语言规则一样，您有一个规则，但每个规则也有例外。现在它与英文字母表相同，在LocaleData 中，您有标准和辅助 UnicodeSet，这正是我们正在谈论的内容。
是的，你是对的。这些只是奇怪的边缘情况，基本上不会出现，实际上可以在没有重音的情况下编写它们。很高兴我错了，您能够找到合适的答案！

【解决方案1】：

查看 ICU 课程LocaleData。它允许通过语言环境访问 CLDR 元素，例如 exemplarCharacters。

请注意，exemplarCharacters 的定义相当模糊（语言中使用的字符的概念本身也是模糊的），因此它的值没有在坚实的基础上定义，并且在那里做出的许多选择都相当模糊可以说。但总体而言，那里的数据可能仍然是我们拥有的最佳基础。

还要注意，Unicode 块在这种情况下是相当粗略的单位。例如，Latin 1 Supplement 块包含许多语言中使用的字符，但没有一种语言使用其中的所有字母。

【讨论】：

【解决方案2】：

我也想知道，德语、法语、俄语字母表中的哪些字母。

我认为 Unicode 不支持这一点。例如，Unicode 中没有说明在哪种西欧语言中使用了哪些基于拉丁语的字符。

事实上，我有一种感觉，甚至无法确定地做出那个决定。例如，我记得读过一本 19 世纪的英国经典著作，其中作者/出版商将“角色”一词拼写为“角色”。当语言借用其他语言时，这种情况经常发生。

【讨论】：

Unicode 标准对不同语言中字符的使用做了很多说明，尽管它甚至没有尝试系统地描述这些事情。有尝试系统描述，尤其是在 CLDR 活动中。确实这个问题很模糊，但在实践中它仍然很重要，因此人们试图找到“足够好”的分类。

【解决方案3】：

【讨论】：