Bloki Unicode

Unicode deli svoj prostor kodov na poimenovane bloke, vsak obseža teritorij, rezerviran za eno pisavo ali eno družino simbolov. Vedenje, v katerem bloku je znak, je ono, kar spremeni skrivnost — zakaj je ta prilepljeni razpad, zakaj ta regex ne prejme — v odgovorljivo vprašanje.

Imena blokov so identifikatorji, ne opisi: se uporabljajo dobesedno v regexu kot \p{Block=Cyrillic} in v vsaki datoteki podatkov Unicode, zato ostanejo v angleščini v vsakem jeziku. Kar se prevaja, je stavek poleg njih.

To je kurirano izbor namesto približno 340 blokov — tisti, ki se pojavijo pri delu z besedilom. Tabela ASCII pokriva prvi blok v polni podrobnosti; ta stran se začne, kjer se tisti ustavi.

Latinica

Latinica je razpršena čez več blokov, zato ujemanje s pravo reko nikoli ne deluje povsem.

Obseg	Blok	Kaj je v njem	Vzorec
U+0000–U+007F	Basic Latin	ASCII, nespremenjena: Latinični znaki, števke, ločila, krmilni kodi	A z 0 ?
U+0080–U+00FF	Latin-1 Supplement	Zahodno evropski naglas, plus £ § × ÷ in razmik brez prekinjanja	é ñ ü ×
U+0100–U+017F	Latin Extended-A	Srednje in vzhodno evropski naglas — č, ł, ő, ș	č ł ő š
U+0180–U+024F	Latin Extended-B	Dodatna črka za African in fonetske ortografije	ƒ ǎ ȳ
U+1E00–U+1EFF	Latin Extended Additional	Vietnamščina in druge več-naglašene latinične črke	ạ ế ṛ

Kombinacijski znaki in modifikatorji

Ti se pripnejo na znak pred njim in imajo lastno širino.

Obseg	Blok	Kaj je v njem	Vzorec
U+0300–U+036F	Combining Diacritical Marks	Naglasi, ki se nanašajo na prejšnji znakDrugi, razstavljeni način, da se napiše é. Normalizacija na NFC, da se zruši.	◌́ ◌̈ ◌̌
U+02B0–U+02FF	Spacing Modifier Letters	Nadnapisa črka in IPA poudarek in tonski znaki	ʰ ˈ ˚
U+FE00–U+FE0F	Variation Selectors	Nevidnih selektorjev izbira besedilo ali emoji predstavoVS16 je tisto, ki se spremeni ✔ v emoji. Nevidna, vendar šteje.
U+FE20–U+FE2F	Combining Half Marks	Polovice znakov, ki se razprostirajo po dveh znakih

Druge pisave

Obseg	Blok	Kaj je v njem	Vzorec
U+0370–U+03FF	Greek and Coptic	Grščina in koptske črke, ki delijo njen blok	α Ω π
U+0400–U+04FF	Cyrillic	Ruščina, ukrajinščina, srbščina, bolgarščina in sorodne abecede	д Я ж
U+0590–U+05FF	Hebrew	Hebrejev črke, samoglasnike točke in kantillacijo znake	א ש
U+0600–U+06FF	Arabic	Arabske črke, v njihovih izoliranih oblikah	ا ب ي
U+0900–U+097F	Devanagari	Hindi, sanskrt, marathi in sorodnih jezikov	क ह
U+0E00–U+0E7F	Thai	Tajske soglavnike, samoglasnike in tonske znake	ก ท
U+10A0–U+10FF	Georgian	Gruzijski Mkhedruli	ა ბ
U+1F00–U+1FFF	Greek Extended	Politonska grščina — naglasi klasičnih besedil	ᾰ ῶ

Ločila in številke

Vir večine nevidnih znakov, ki preživijo kopiranje in lepljenje.

Obseg	Blok	Kaj je v njem	Vzorec
U+2000–U+206F	General Punctuation	Pomišljaji, kodasti navedki, elipsa — in večina nevidnih presledkovU+200B ničelne širine prostor in U+2060 besedi stranica živita tukaj.	– — “ ” …
U+2070–U+209F	Superscripts and Subscripts	Nadnapisa in subscript števke in črke	⁰ ⁴ ₂
U+20A0–U+20CF	Currency Symbols	Znaki valute Latin-1 nima kraja za — €, ₴, ₹, ₺	€ ₴ ₺
U+2100–U+214F	Letterlike Symbols	Simboli zgrajeni iz črk — ™, №, ℃, ℓ	™ ℃ №
U+2150–U+218F	Number Forms	Vulgar frakcije in rimske številke kot enojni znaki	⅓ ⅕ Ⅷ

Simboli in risanje

Obseg	Blok	Kaj je v njem	Vzorec
U+2190–U+21FF	Arrows	Puščice v vsakem smislu, enojni in dvojni	← ↔ ⇒
U+2200–U+22FF	Mathematical Operators	Matematični operaterji — ∀, ∑, ≠, ∞	∀ ∑ ≠
U+2300–U+23FF	Miscellaneous Technical	Tipkovnica in tehnični simboli — ⌘, ⌥, ⌫, ⏎	⌘ ⌥ ⏎
U+2500–U+257F	Box Drawing	Vrstice in vogali za terminalne polja in tabele	─ ┌ ╬
U+2580–U+259F	Block Elements	Trdne in zasenčene bloke, ki se uporabljajo za terminalske grafikone	█ ▓ ░
U+25A0–U+25FF	Geometric Shapes	Kvadrati, krogi, trikotniki in diamanti	■ ● ▲
U+2600–U+26FF	Miscellaneous Symbols	Vreme, astrologija, šah, kartice in barve kart	☀ ★ ♥
U+2700–U+27BF	Dingbats	Tiskane okraske — kontrolni znaki, škarje, zvezdice	✂ ✓ ➜
U+2800–U+28FF	Braille Patterns	Vseh 256 Braille točkovnih vzorcev, ki se uporabljajo tudi za terminalske grafike	⠁ ⣿

CJK in polna širina

Polne oblike so ločeni znaki od svojih bližnjih ASCII, ne pisava.

Obseg	Blok	Kaj je v njem	Vzorec
U+3000–U+303F	CJK Symbols and Punctuation	Ideografski prostor in CJK ločilaU+3000 je presledek polne širine in ga večina pravil za presledke ne obriše.	、。
U+3040–U+309F	Hiragana	Japonska zlogovnica za domače besede in slovnico	あん
U+30A0–U+30FF	Katakana	Japonska zlogovnica za besedi tujine in poudarek	アン
U+4E00–U+9FFF	CJK Unified Ideographs	Glavni blok Han — skoraj 21.000 znakov, ki jih delita kitajščina, japonščina in korejščina	日本語
U+AC00–U+D7AF	Hangul Syllables	Vseh 11.172 vnaprej sestavljenih korejskih zlogovVsak se lahko tudi napiše kot ločene Jamo, katere normalizacija se spopada.	한 글
U+FF00–U+FFEF	Halfwidth and Fullwidth Forms	Polne širine kopije ASCII in polovično širine KatakanaＡ ni A. Besedilo prilepljeno iz oblik CJK pogosto potrebuje prepogibanja na ASCII.	Ａ！ｱ

Nad U+FFFF in posebni primeri

Kaj je tukaj potrebuje dve enoti UTF-16, kar je tisto, od koder prihajajo hrošči pri dolžini niza.

Obseg	Blok	Kaj je v njem	Vzorec
U+D800–U+DB7F	High Surrogates	Prva polovica para UTF-16 — nikoli ni veljavna sama zaseEnojni nadomestek je tisto, kar niz, ki se razreže skozi emoji, pusti za seboj.
U+DC00–U+DFFF	Low Surrogates	Druga polovica para UTF-16 — nikoli ni veljavna sama zase
U+E000–U+F8FF	Private Use Area	Neizvršena po zasnovi, za zasebne pogodbeKjer ikone pisave dajejo svoje glifi. Brez ujemanja pisave brezsmiselna.
U+FFF0–U+FFFF	Specials	Nadomestni znak in sorodniki red bajta oznakeU+FFFD je tisto, kar vidiš, ko je dekoder obupal.	�
U+1D400–U+1D7FF	Mathematical Alphanumeric Symbols	Krepko, kurzivno, skriptno in dvojno potrditveno abecedo kot znakeVir 𝐟𝐚𝐤𝐞 𝐛𝐨𝐥𝐝 v socijalnih medijskih imenih. Neiskljiv.	𝐀 𝓪 𝟙
U+1F300–U+1F5FF	Miscellaneous Symbols and Pictographs	Večina ne-obrazna emoji — vreme, predmeti, kraji, simboli	🌍 🔥 📄
U+1F600–U+1F64F	Emoticons	Obraza emoji	😀 🙂
U+1F680–U+1F6FF	Transport and Map Symbols	Vozila, promet in simboli zemljevida	🚀 🛑
U+1F900–U+1F9FF	Supplemental Symbols and Pictographs	Poznejši dodatki emoji — poznejša obraza, kretnje, predmeti	🤖 🧠
U+E0000–U+E007F	Tags	Nevidni znaki oznak, ki se uporabljajo v zaporedjih zastavicTudi vektor za nevidno besedilo prikritega znotraj normalnega videzu niza.

FAQ

Kakšna je razlika med blokom in pisavo?

Blok je obsegli teritorij kodnih točk; pisava je sistem pisanja, kateremu pripada znak. Nista enaka in se pogosto ne strinjata — latinični znaki so razpršeni čez najmanj sedem blokov in blok Combining Diacritical Marks se uporablja več pisav hkrati. V regexu je \p{Script=Latin} skoraj vedno, kar hočeš, ne \p{Block=…}.

Zakaj vrstice nadomestka nimajo vzorčnih znakov?

Ker nadomestek ni znak. U+D800–U+DFFF so rezervirani kot parni mehanizem za UTF-16: dva od njih skupaj kodirati eno kodno točko nad U+FFFF. Na svojo roko so neveljavno besedilo, kar je natanko razlog, zakaj niz, ki je prerezna skozi emoji, proizvede nadomestni znak — obdržal si pol para.

Zakaj se moj poudarkan znak včasih šteje kot dva?

Ker obstajata dva načina, kako ga napisati. é je lahko ena kodna točka iz Latin-1 Supplement ali e, ki mu sledi kombinacijski akutni naglas iz bloka Combining Diacritical Marks. Izgledajo enako in se primerjajo kot neenaka. Normalizacija na NFC zruši drugo obliko v prvo in to je tisto, za kar je orodje normalizacije.

Ali je emoji en znak?

Redko. Enojni prikazani emoji je pogosto več kodnih točk — osnovni simbol, modifikatorji tona kože, selektorji različic in ničelne širine spojniki, ki skupaj vežejo družino. Dolžina 1 je izjema, ne pravilo, in kateri koli kod, ki rezine nize po indeksu, bo sčasoma razdelil enega.

Bloki Unicode

Latinica#

Kombinacijski znaki in modifikatorji#

Druge pisave#

Ločila in številke#

Simboli in risanje#

CJK in polna širina#

Nad U+FFFF in posebni primeri#

FAQ

Povezana orodja