各个国家 不同字符集的unicode 编码范围
Posted qiuri2008
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了各个国家 不同字符集的unicode 编码范围相关的知识,希望对你有一定的参考价值。
原文地址:http://blog.csdn.NET/xzl04/article/details/6307416
- 0000-007F:C0控制符及基本拉丁文 (C0 Control and Basic Latin)
- 0080-00FF:C1控制符及拉丁文补充-1 (C1 Control and Latin 1 Supplement)
- 0100-017F:拉丁文扩展-A (Latin Extended-A)
- 0180-024F:拉丁文扩展-B (Latin Extended-B)
- 0250-02AF:国际音标扩展 (IPA Extensions)
- 02B0-02FF:空白修饰字母 (Spacing Modifiers)
- 0300-036F:结合用读音符号 (Combining Diacritics Marks)
- 0370-03FF:希腊文及科普特文 (Greek and Coptic)
- 0400-04FF:西里尔字母 (Cyrillic)
- 0500-052F:西里尔字母补充 (Cyrillic Supplement)
- 0530-058F:亚美尼亚语 (Armenian)
- 0590-05FF:希伯来文 (Hebrew)
- 0600-06FF:阿拉伯文 (Arabic)
- 0700-074F:叙利亚文 (Syriac)
- 0750-077F:阿拉伯文补充 (Arabic Supplement)
- 0780-07BF:马尔代夫语 (Thaana)
- 07C0-077F:西非書面語言 (N‘Ko)
- 0800-085F:阿维斯塔语及巴列维语 (Avestan and Pahlavi)
- 0860-087F:Mandaic
- 0880-08AF:撒马利亚语 (Samaritan)
- 0900-097F:天城文书 (Devanagari)
- 0980-09FF:孟加拉语 (Bengali)
- 0A00-0A7F:锡克教文 (Gurmukhi)
- 0A80-0AFF:古吉拉特文 (Gujarati)
- 0B00-0B7F:奥里亚文 (Oriya)
- 0B80-0BFF:泰米尔文 (Tamil)
- 0C00-0C7F:泰卢固文 (Telugu)
- 0C80-0CFF:卡纳达文 (Kannada)
- 0D00-0D7F:德拉维族语 (Malayalam)
- 0D80-0DFF:僧伽罗语 (Sinhala)
- 0E00-0E7F:泰文 (Thai)
- 0E80-0EFF:老挝文 (Lao)
- 0F00-0FFF:藏文 (Tibetan)
- 1000-109F:缅甸语 (Myanmar)
- 10A0-10FF:格鲁吉亚语 (Georgian)
- 1100-11FF:朝鲜文 (Hangul Jamo)
- 1200-137F:埃塞俄比亚语 (Ethiopic)
- 1380-139F:埃塞俄比亚语补充 (Ethiopic Supplement)
- 13A0-13FF:切罗基语 (Cherokee)
- 1400-167F:统一加拿大土著语音节 (Unified Canadian Aboriginal Syllabics)
- 1680-169F:欧甘字母 (Ogham)
- 16A0-16FF:如尼文 (Runic)
- 1700-171F:塔加拉语 (Tagalog)
- 1720-173F:Hanunóo
- 1740-175F:Buhid
- 1760-177F:Tagbanwa
- 1780-17FF:高棉语 (Khmer)
- 1800-18AF:蒙古文 (Mongolian)
- 18B0-18FF:Cham
- 1900-194F:Limbu
- 1950-197F:德宏泰语 (Tai Le)
- 1980-19DF:新傣仂语 (New Tai Lue)
- 19E0-19FF:高棉语记号 (Kmer Symbols)
- 1A00-1A1F:Buginese
- 1A20-1A5F:Batak
- 1A80-1AEF:Lanna
- 1B00-1B7F:巴厘语 (Balinese)
- 1B80-1BB0:巽他语 (Sundanese)
- 1BC0-1BFF:Pahawh Hmong
- 1C00-1C4F:雷布查语(Lepcha)
- 1C50-1C7F:Ol Chiki
- 1C80-1CDF:曼尼普尔语 (Meithei/Manipuri)
- 1D00-1D7F:语音学扩展 (Phonetic Extensions)
- 1D80-1DBF:语音学扩展补充 (Phonetic Extensions Supplement)
- 1DC0-1DFF:结合用读音符号补充 (Combining Diacritics Marks Supplement)
- 1E00-1EFF:拉丁文扩充附加 (Latin Extended Additional)
- 1F00-1FFF:希腊语扩充 (Greek Extended)
- 2000-206F:常用标点 (General Punctuation)
- 2070-209F:上标及下标 (Superscripts and Subscripts)
- 20A0-20CF:货币符号 (Currency Symbols)
- 20D0-20FF:组合用记号 (Combining Diacritics Marks for Symbols)
- 2100-214F:字母式符号 (Letterlike Symbols)
- 2150-218F:数字形式 (Number Form)
- 2190-21FF:箭头 (Arrows)
- 2200-22FF:数学运算符 (Mathematical Operator)
- 2300-23FF:杂项工业符号 (Miscellaneous Technical)
- 2400-243F:控制图片 (Control Pictures)
- 2440-245F:光学识别符 (Optical Character Recognition)
- 2460-24FF:封闭式字母数字 (Enclosed Alphanumerics)
- 2500-257F:制表符 (Box Drawing)
- 2580-259F:方块元素 (Block Element)
- 25A0-25FF:几何图形 (Geometric Shapes)
- 2600-26FF:杂项符号 (Miscellaneous Symbols)
- 2700-27BF:印刷符号 (Dingbats)
- 27C0-27EF:杂项数学符号-A (Miscellaneous Mathematical Symbols-A)
- 27F0-27FF:追加箭头-A (Supplemental Arrows-A)
- 2800-28FF:盲文点字模型 (Braille Patterns)
- 2900-297F:追加箭头-B (Supplemental Arrows-B)
- 2980-29FF:杂项数学符号-B (Miscellaneous Mathematical Symbols-B)
- 2A00-2AFF:追加数学运算符 (Supplemental Mathematical Operator)
- 2B00-2BFF:杂项符号和箭头 (Miscellaneous Symbols and Arrows)
- 2C00-2C5F:格拉哥里字母 (Glagolitic)
- 2C60-2C7F:拉丁文扩展-C (Latin Extended-C)
- 2C80-2CFF:古埃及语 (Coptic)
- 2D00-2D2F:格鲁吉亚语补充 (Georgian Supplement)
- 2D30-2D7F:提非纳文 (Tifinagh)
- 2D80-2DDF:埃塞俄比亚语扩展 (Ethiopic Extended)
- 2E00-2E7F:追加标点 (Supplemental Punctuation)
- 2E80-2EFF:CJK 部首补充 (CJK Radicals Supplement)
- 2F00-2FDF:康熙字典部首 (Kangxi Radicals)
- 2FF0-2FFF:表意文字描述符 (Ideographic Description Characters)
- 3000-303F:CJK 符号和标点 (CJK Symbols and Punctuation)
- 3040-309F:日文平假名 (Hiragana)
- 30A0-30FF:日文片假名 (Katakana)
- 3100-312F:注音字母 (Bopomofo)
- 3130-318F:朝鲜文兼容字母 (Hangul Compatibility Jamo)
- 3190-319F:象形字注释标志 (Kanbun)
- 31A0-31BF:注音字母扩展 (Bopomofo Extended)
- 31C0-31EF:CJK 笔画 (CJK Strokes)
- 31F0-31FF:日文片假名语音扩展 (Katakana Phonetic Extensions)
- 3200-32FF:封闭式 CJK 文字和月份 (Enclosed CJK Letters and Months)
- 3300-33FF:CJK 兼容 (CJK Compatibility)
- 3400-4DBF:CJK 统一表意符号扩展 A (CJK Unified Ideographs Extension A)
- 4DC0-4DFF:易经六十四卦符号 (Yijing Hexagrams Symbols)
- 4E00-9FBF:CJK 统一表意符号 (CJK Unified Ideographs)
- A000-A48F:彝文音节 (Yi Syllables)
- A490-A4CF:彝文字根 (Yi Radicals)
- A500-A61F:Vai
- A660-A6FF:统一加拿大土著语音节补充 (Unified Canadian Aboriginal Syllabics Supplement)
- A700-A71F:声调修饰字母 (Modifier Tone Letters)
- A720-A7FF:拉丁文扩展-D (Latin Extended-D)
- A800-A82F:Syloti Nagri
- A840-A87F:八思巴字 (Phags-pa)
- A880-A8DF:Saurashtra
- A900-A97F:爪哇语 (Javanese)
- A980-A9DF:Chakma
- AA00-AA3F:Varang Kshiti
- AA40-AA6F:Sorang Sompeng
- AA80-AADF:Newari
- AB00-AB5F:越南傣语 (Vi?t Thái)
- AB80-ABA0:Kayah Li
- AC00-D7AF:朝鲜文音节 (Hangul Syllables)
- D800-DBFF:High-half zone of UTF-16
- DC00-DFFF:Low-half zone of UTF-16
- E000-F8FF:自行使用區域 (Private Use Zone)
- F900-FAFF:CJK 兼容象形文字 (CJK Compatibility Ideographs)
- FB00-FB4F:字母表達形式 (Alphabetic Presentation Form)
- FB50-FDFF:阿拉伯表達形式A (Arabic Presentation Form-A)
- FE00-FE0F:变量选择符 (Variation Selector)
- FE10-FE1F:竖排形式 (Vertical Forms)
- FE20-FE2F:组合用半符号 (Combining Half Marks)
- FE30-FE4F:CJK 兼容形式 (CJK Compatibility Forms)
- FE50-FE6F:小型变体形式 (Small Form Variants)
- FE70-FEFF:阿拉伯表達形式B (Arabic Presentation Form-B)
- FF00-FFEF:半型及全型形式 (Halfwidth and Fullwidth Form)
- 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:
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。
以上是关于各个国家 不同字符集的unicode 编码范围的主要内容,如果未能解决你的问题,请参考以下文章