c# - 我在哪里可以按类获取 Unicode 字符列表？

Question

我是学习 Unicode 的新手，并且不确定根据我的 ASCII 背景我必须学习多少，但我正在阅读C# 规范中关于标识符的规则以确定Azure 表中允许的字符（直接基于C# 规范）。

在哪里可以找到属于这些类别的 Unicode 字符列表：

• letter-character: Lu、Ll、Lt、Lm、Lo 或 Nl 类的 Unicode 字符
• combining-character: Mn 或 Mc 类的 Unicode 字符
• decimal-digit-character: Nd 类的 Unicode 字符
• connecting-character: Pc 类的 Unicode 字符
• formatting-character: Cf 类的 Unicode 字符

Answer 1

您可以从官方 Unicode 数据文件中以自动方式检索此信息，该文件UnicodeData.txt在此处发布：

• UnicodeData.txt（在 unicode.org）

这是一个在每一行中都有分号分隔值的文件。第三列告诉你每个字符的字符类别。

这样做的好处是您可以获得每个角色的角色名称，因此您可以比仅查看角色本身更好地了解它是什么（例如，您知道ბ是什么吗？没错，就是 Ban。在格鲁吉亚语。:-)）

Answer 2

FileFormat.info 按类别列出了 Unicode 字符：

http://www.fileformat.info/info/unicode/category/index.htm

Answer 3

当然，您可以使用 LINQ：

var charInfo = Enumerable.Range(0, 0x110000)
                         .Where(x => x < 0x00d800 || x > 0x00dfff)
                         .Select(char.ConvertFromUtf32)
                         .GroupBy(s => char.GetUnicodeCategory(s, 0))
                         .ToDictionary(g => g.Key);

foreach (var ch in charInfo[UnicodeCategory.LowercaseLetter])
{
    Console.Write(ch);
}

您可以在MSDN上找到 Unicode 类别及其短名称的列表，例如，“Ll”是UnicodeCategory.LowercaseLetter的缩写。

Answer 4

https://www.compart.com/en/unicode/category是一个非常有用且易于浏览的网站，用于浏览类别。它是可搜索的，并列出了很多关于单个 unicode 字符的信息。

Answer 5

在ANTLR 词法分析器中，您可以找到方便的范围格式的 Unicode 字符集（LU、LL、LT、LM 和 LO）。