4

对于组合变音符号，它们是否算作字母？因为据我所知，它们只能与格式良好的 Unicode 中的其他字母组合。

ICU 函数确定 Unicode 代码点是否是字母只需要一个代码点，因此对于任何给定的代码点，它无法知道它们是否已与变音符号组合 - 或者如果它是变音符号，则它已与什么组合。我正在尝试使用类似的构造来实现类似于 Unicode 感知正则表达式的东西

while(is_letter(codepoint))

但是，我非常担心如果codepoint实际上是变音符号会发生什么，它将与以前的代码点和其他校对标记进行校对。

这样做安全吗？还是我必须明确查找并忽略变音符号和其他校对标记？

编辑：我真正需要做的是迭代characters，而不是codepoints。

这个问题是 XY 问题的受害者。我需要就我的实际问题提出一个问题。

4

1 回答 1

4

我不完全清楚你想要做什么，所以如果这不是你想要的答案，我提前道歉，但是：

对于组合变音符号，它们是否算作字母？

从广义上讲，变音符号被视为“标记”而不是“字母”。例如，U+0301 COMBINING ACUTE ACCENT，如<ś>，是“非空格标记”，是三种“标记”之一。然而，被算作“字母”的“修饰字母”仍然可能被认为是变音符号；例如，U+02C0 MODIFIER LETTER GLOTTAL STOP，如<sˀ>，是一个“修饰符字母”。

如果您查看Unicode 字符数据库的主文件（警告：它是 1.3 MB 文本文件），您可以了解哪些字符被归类为“修饰符字母” Lm（Mn“间距标记”（Ms）或“封闭标记”（Me）。

于 2011-11-26T21:03:16.660 回答