如何在 Java 中生成 Unicode“不可变标识符”字符？

Question

我正在尝试验证依赖项是否可以使用称为 Immutable identifier:http://www.unicode.org/reports/tr31/#Immutable_Identifier_Syntax 的特定 unicode 字符

“不可变标识符”字符的定义是

Immutable Identifiers: To meet this requirement, an implementation shall define identifiers to be any non-empty string of characters that contains no character having any of the following property values:

Pattern_White_Space=True
Pattern_Syntax=True
General_Category=Private_Use, Surrogate, or Control
Noncharacter_Code_Point=True

我能够找出https://docs.oracle.com/javase/7/docs/api/java/lang/Character.html 中的Surrogate、PRIVATE_USE 和Control 字符，但找不到其余字符。 这个 Unicode 文档对我来说也有点复杂，所以我无法理解它并找到了那些“不可变标识符”字符的代码点范围 :(。任何有上下文的人都可以发光吗？

Answer 1

从Pattern 的javadoc 开始，尤其是（Unicode）类表。但它也包含 Unicode 参考链接。

"\\p{Space}"   // Whitespace
"\\p{Punct}"   // Interpunction
"\\p{M}"       // Combined diacritical marks, zero-width accents

还有更多。

此外，您可能想要规范化标识符。 “é”可以写成一个 Unicode 代码点，或两个代码点：一个拉丁文 e 和一个零宽度重音符号。 java.text.Normalizer 可以做到这一点。压缩（一个代码点）似乎最好。

---

请查看UAX。

"\\p{Pattern_Syntax}"

不确定，但 Pattern_Syntax 字符可能包含 []?+*.，所以我认为 Interpunction 也会这样做。