Onde encontrar Unicode 5 caracteres da categoria específica?

Question

Eu preciso listar todos os caracteres das categorias ID Start e ID Continue em Unicode. Onde eu poderia fazer isso para uma versão específica do Unicode (neste caso, Unicode 5)?

Acho que o link do site não permite isso para uma versão específica do Unicode.

    

Answer 1

De acordo com o Unicode® Standard Annex # 31 (identificador Unicode e sintaxe padrão) , ID_Start e ID_Continue de categorias de caracteres são derivadas do Unicode General_Category ( leia todo Formato de arquivo UnicodeData e Artigos de banco de dados de caracteres Unicode ).

Veja Tabela 2. Propriedades de Classes Lexicais para Identificadores (resumo):

• ID_Start characters are derived from the Unicode General_Category of uppercase letters, lowercase letters, titlecase letters, modifier letters, other letters, letter numbers, plus Other_ID_Start, minus Pattern_Syntax and Pattern_White_Space code points.

  • In set notation:
  • [[:L:][:Nl:][:Other_ID_Start:]--[:Pattern_Syntax:]--[:Pattern_White_Space:]]

• ID_Continue characters include ID_Start characters, plus characters having the Unicode General_Category of nonspacing marks, spacing combining marks, decimal number, connector punctuation, plus Other_ID_Continue , minus Pattern_Syntax and Pattern_White_Space code points.

  • In set notation:
  • [[:ID_Start:][:Mn:][:Mc:][:Nd:][:Pc:][:Other_ID_Continue:]--[:Pattern_Syntax:]--[:Pattern_White_Space:]]

Podemos ver referência a Other_ID_Start , Other_ID_Continue , Pattern_Syntax e Pattern_White_Space here; por exemplo:

The exact list of characters covered by the Other_ID_Start and Other_ID_Continue properties depends on the version of Unicode. For more information, see Unicode Standard Annex #44, “Unicode Character Database” [UAX44].

Analise UnicodeData.txt , aplique a (s) regex (es) válida (s) criada (s) acima definir notação . Inscreva-se na versão apropriada de UnicodeData.txt , navegando no Índice de / Public .

 http://unicode.org/Public/5.0.0/ucd/UnicodeData.txt
                           ↑ ↑ ↑