各个国家 不同字符集的unicode 编码范围

Posted 2020-09-21 qiuri2008

原文地址:http://blog.csdn.NET/xzl04/article/details/6307416

 

[javascript] view plain copy

 

1. 0000-007F：C0控制符及基本拉丁文 (C0 Control and Basic Latin)  
2.   
3. 0080-00FF：C1控制符及拉丁文补充-1 (C1 Control and Latin 1 Supplement)  
4.   
5. 0100-017F：拉丁文扩展-A (Latin Extended-A)  
6.   
7. 0180-024F：拉丁文扩展-B (Latin Extended-B)  
8.   
9. 0250-02AF：国际音标扩展 (IPA Extensions)  
10.   
11. 02B0-02FF：空白修饰字母 (Spacing Modifiers)  
12.   
13. 0300-036F：结合用读音符号 (Combining Diacritics Marks)  
14.   
15. 0370-03FF：希腊文及科普特文 (Greek and Coptic)  
16.   
17. 0400-04FF：西里尔字母 (Cyrillic)  
18.   
19. 0500-052F：西里尔字母补充 (Cyrillic Supplement)  
20.   
21. 0530-058F：亚美尼亚语 (Armenian)  
22.   
23. 0590-05FF：希伯来文 (Hebrew)  
24.   
25. 0600-06FF：阿拉伯文 (Arabic)  
26.   
27. 0700-074F：叙利亚文 (Syriac)  
28.   
29. 0750-077F：阿拉伯文补充 (Arabic Supplement)  
30.   
31. 0780-07BF：马尔代夫语 (Thaana)  
32.   
33. 07C0-077F：西非書面語言 (N‘Ko)  
34.   
35. 0800-085F：阿维斯塔语及巴列维语 (Avestan and Pahlavi)  
36.   
37. 0860-087F：Mandaic  
38.   
39. 0880-08AF：撒马利亚语 (Samaritan)  
40.   
41. 0900-097F：天城文书 (Devanagari)  
42.   
43. 0980-09FF：孟加拉语 (Bengali)  
44.   
45. 0A00-0A7F：锡克教文 (Gurmukhi)  
46.   
47. 0A80-0AFF：古吉拉特文 (Gujarati)  
48.   
49. 0B00-0B7F：奥里亚文 (Oriya)  
50.   
51. 0B80-0BFF：泰米尔文 (Tamil)  
52.   
53. 0C00-0C7F：泰卢固文 (Telugu)  
54.   
55. 0C80-0CFF：卡纳达文 (Kannada)  
56.   
57. 0D00-0D7F：德拉维族语 (Malayalam)  
58.   
59. 0D80-0DFF：僧伽罗语 (Sinhala)  
60.   
61. 0E00-0E7F：泰文 (Thai)  
62.   
63. 0E80-0EFF：老挝文 (Lao)  
64.   
65. 0F00-0FFF：藏文 (Tibetan)  
66.   
67. 1000-109F：缅甸语 (Myanmar)  
68.   
69. 10A0-10FF：格鲁吉亚语 (Georgian)  
70.   
71. 1100-11FF：朝鲜文 (Hangul Jamo)  
72.   
73. 1200-137F：埃塞俄比亚语 (Ethiopic)  
74.   
75. 1380-139F：埃塞俄比亚语补充 (Ethiopic Supplement)  
76.   
77. 13A0-13FF：切罗基语 (Cherokee)  
78.   
79. 1400-167F：统一加拿大土著语音节 (Unified Canadian Aboriginal Syllabics)  
80.   
81. 1680-169F：欧甘字母 (Ogham)  
82.   
83. 16A0-16FF：如尼文 (Runic)  
84.   
85. 1700-171F：塔加拉语 (Tagalog)  
86.   
87. 1720-173F：Hanunóo  
88.   
89. 1740-175F：Buhid  
90.   
91. 1760-177F：Tagbanwa  
92.   
93. 1780-17FF：高棉语 (Khmer)  
94.   
95. 1800-18AF：蒙古文 (Mongolian)  
96.   
97. 18B0-18FF：Cham  
98.   
99. 1900-194F：Limbu  
100.   
101. 1950-197F：德宏泰语 (Tai Le)  
102.   
103. 1980-19DF：新傣仂语 (New Tai Lue)  
104.   
105. 19E0-19FF：高棉语记号 (Kmer Symbols)  
106.   
107. 1A00-1A1F：Buginese  
108.   
109. 1A20-1A5F：Batak  
110.   
111. 1A80-1AEF：Lanna  
112.   
113. 1B00-1B7F：巴厘语 (Balinese)  
114.   
115. 1B80-1BB0：巽他语 (Sundanese)  
116.   
117. 1BC0-1BFF：Pahawh Hmong  
118.   
119. 1C00-1C4F：雷布查语(Lepcha)  
120.   
121. 1C50-1C7F：Ol Chiki  
122.   
123. 1C80-1CDF：曼尼普尔语 (Meithei/Manipuri)  
124.   
125. 1D00-1D7F：语音学扩展 (Phonetic Extensions)  
126.   
127. 1D80-1DBF：语音学扩展补充 (Phonetic Extensions Supplement)  
128.   
129. 1DC0-1DFF：结合用读音符号补充 (Combining Diacritics Marks Supplement)  
130.   
131. 1E00-1EFF：拉丁文扩充附加 (Latin Extended Additional)  
132.   
133. 1F00-1FFF：希腊语扩充 (Greek Extended)  
134.   
135. 2000-206F：常用标点 (General Punctuation)  
136.   
137. 2070-209F：上标及下标 (Superscripts and Subscripts)  
138.   
139. 20A0-20CF：货币符号 (Currency Symbols)  
140.   
141. 20D0-20FF：组合用记号 (Combining Diacritics Marks for Symbols)  
142.   
143. 2100-214F：字母式符号 (Letterlike Symbols)  
144.   
145. 2150-218F：数字形式 (Number Form)  
146.   
147. 2190-21FF：箭头 (Arrows)  
148.   
149. 2200-22FF：数学运算符 (Mathematical Operator)  
150.   
151. 2300-23FF：杂项工业符号 (Miscellaneous Technical)  
152.   
153. 2400-243F：控制图片 (Control Pictures)  
154.   
155. 2440-245F：光学识别符 (Optical Character Recognition)  
156.   
157. 2460-24FF：封闭式字母数字 (Enclosed Alphanumerics)  
158.   
159. 2500-257F：制表符 (Box Drawing)  
160.   
161. 2580-259F：方块元素 (Block Element)  
162.   
163. 25A0-25FF：几何图形 (Geometric Shapes)  
164.   
165. 2600-26FF：杂项符号 (Miscellaneous Symbols)  
166.   
167. 2700-27BF：印刷符号 (Dingbats)  
168.   
169. 27C0-27EF：杂项数学符号-A (Miscellaneous Mathematical Symbols-A)  
170.   
171. 27F0-27FF：追加箭头-A (Supplemental Arrows-A)  
172.   
173. 2800-28FF：盲文点字模型 (Braille Patterns)  
174.   
175. 2900-297F：追加箭头-B (Supplemental Arrows-B)  
176.   
177. 2980-29FF：杂项数学符号-B (Miscellaneous Mathematical Symbols-B)  
178.   
179. 2A00-2AFF：追加数学运算符 (Supplemental Mathematical Operator)  
180.   
181. 2B00-2BFF：杂项符号和箭头 (Miscellaneous Symbols and Arrows)  
182.   
183. 2C00-2C5F：格拉哥里字母 (Glagolitic)  
184.   
185. 2C60-2C7F：拉丁文扩展-C (Latin Extended-C)  
186.   
187. 2C80-2CFF：古埃及语 (Coptic)  
188.   
189. 2D00-2D2F：格鲁吉亚语补充 (Georgian Supplement)  
190.   
191. 2D30-2D7F：提非纳文 (Tifinagh)  
192.   
193. 2D80-2DDF：埃塞俄比亚语扩展 (Ethiopic Extended)  
194.   
195. 2E00-2E7F：追加标点 (Supplemental Punctuation)  
196.   
197. 2E80-2EFF：CJK 部首补充 (CJK Radicals Supplement)  
198.   
199. 2F00-2FDF：康熙字典部首 (Kangxi Radicals)  
200.   
201. 2FF0-2FFF：表意文字描述符 (Ideographic Description Characters)  
202.   
203. 3000-303F：CJK 符号和标点 (CJK Symbols and Punctuation)  
204.   
205. 3040-309F：日文平假名 (Hiragana)  
206.   
207. 30A0-30FF：日文片假名 (Katakana)  
208.   
209. 3100-312F：注音字母 (Bopomofo)  
210.   
211. 3130-318F：朝鲜文兼容字母 (Hangul Compatibility Jamo)  
212.   
213. 3190-319F：象形字注释标志 (Kanbun)  
214.   
215. 31A0-31BF：注音字母扩展 (Bopomofo Extended)  
216.   
217. 31C0-31EF：CJK 笔画 (CJK Strokes)  
218.   
219. 31F0-31FF：日文片假名语音扩展 (Katakana Phonetic Extensions)  
220.   
221. 3200-32FF：封闭式 CJK 文字和月份 (Enclosed CJK Letters and Months)  
222.   
223. 3300-33FF：CJK 兼容 (CJK Compatibility)  
224.   
225. 3400-4DBF：CJK 统一表意符号扩展 A (CJK Unified Ideographs Extension A)  
226.   
227. 4DC0-4DFF：易经六十四卦符号 (Yijing Hexagrams Symbols)  
228.   
229. 4E00-9FBF：CJK 统一表意符号 (CJK Unified Ideographs)  
230.   
231. A000-A48F：彝文音节 (Yi Syllables)  
232.   
233. A490-A4CF：彝文字根 (Yi Radicals)  
234.   
235. A500-A61F：Vai  
236.   
237. A660-A6FF：统一加拿大土著语音节补充 (Unified Canadian Aboriginal Syllabics Supplement)  
238.   
239. A700-A71F：声调修饰字母 (Modifier Tone Letters)  
240.   
241. A720-A7FF：拉丁文扩展-D (Latin Extended-D)  
242.   
243. A800-A82F：Syloti Nagri  
244.   
245. A840-A87F：八思巴字 (Phags-pa)  
246.   
247. A880-A8DF：Saurashtra  
248.   
249. A900-A97F：爪哇语 (Javanese)  
250.   
251. A980-A9DF：Chakma  
252.   
253. AA00-AA3F：Varang Kshiti  
254.   
255. AA40-AA6F：Sorang Sompeng  
256.   
257. AA80-AADF：Newari  
258.   
259. AB00-AB5F：越南傣语 (Vi?t Thái)  
260.   
261. AB80-ABA0：Kayah Li  
262.   
263. AC00-D7AF：朝鲜文音节 (Hangul Syllables)  
264.   
265. D800-DBFF：High-half zone of UTF-16  
266.   
267. DC00-DFFF：Low-half zone of UTF-16  
268.   
269. E000-F8FF：自行使用區域 (Private Use Zone)  
270.   
271. F900-FAFF：CJK 兼容象形文字 (CJK Compatibility Ideographs)  
272.   
273. FB00-FB4F：字母表達形式 (Alphabetic Presentation Form)  
274.   
275. FB50-FDFF：阿拉伯表達形式A (Arabic Presentation Form-A)  
276.   
277. FE00-FE0F：变量选择符 (Variation Selector)  
278.   
279. FE10-FE1F：竖排形式 (Vertical Forms)  
280.   
281. FE20-FE2F：组合用半符号 (Combining Half Marks)  
282.   
283. FE30-FE4F：CJK 兼容形式 (CJK Compatibility Forms)  
284.   
285. FE50-FE6F：小型变体形式 (Small Form Variants)  
286.   
287. FE70-FEFF：阿拉伯表達形式B (Arabic Presentation Form-B)  
288.   
289. FF00-FFEF：半型及全型形式 (Halfwidth and Fullwidth Form)  
290.   
291. FFF0-FFFF：特殊 (Specials)  

java正则:

 

Unicode CJK 的范围分布在多个区段中，2 楼所贴出来的是整个 Unicode 中区块
表，带有 CJK 的区块名中都拥有汉字。但最常用的范围是 U+4E00～U+9FA5，即名
为：CJK Unified Ideographs 的区块，但 U+9FA6～U+9FFF 之间的字符还属于空码，
暂时还未定义，但不能保证以后不会被定义。

下面这个是 Unicode 中 U+4E00～U+9FFF 的码表：
http://www.unicode.org/charts/PDF/U4E00.pdf

在这里可以根据 Unicode 码查到所有的字符：
http://www.unicode.org/cgi-bin/GetUnihanData.pl

另：在正则表达式中使用 [\u4e00-\u9fa5] 这种方式属于写死的代码，并不能根据
平台所提供的字符集范围不同而改变，不过对于要求不是很高的话的是可以了。如果
对字符集的要求很高，可以采用下面的这种 Unicode 块的方式：

Java code

 

?

1	String regex = "[\\p{InCJK Unified Ideographs}&&\\P{Cn}]]";

在当前的 JDK 版中与 [\u4e00-\u9fa5] 的意义一致。但这样可以匹配 Java 平台所支持
Unicode 块名为 CJK Unified Ideogrpahs 中已定义的字符，这种方式就属于“活”代码
今后的 JDK 版本升级了，定义到了 \u9fa6 的字符，同样能够满足匹配。