Unicode blokovi

Unicode dijeli svoj prostor kodnih točaka u nazivane blokove, svaki kontinuirani raspon rezerviran za jedno pismo ili jednu obitelj simbola. Znati koji blok znaka živi je što pretvara misterij — zašto je ovaj zalijep slomio, zašto ovaj regex ga propušta — u odgovorljivo pitanje.

Imena blokova su identifikatori, a ne opisi: koriste se doslovno u regex-u kao \p{Block=Cyrillic} i u svakoj Unicode datoteci podataka, pa ostaju na engleskom u svakom jeziku. Ono što se prevodi je rečenica pored njih.

Ovo je kuriozna selekcija umjesto svih otprilike 340 blokova — oni koji dolaze kada radite s tekstom. ASCII tablica pokriva prvi blok u punoj detaljnosti; ova stranica započinje gdje ona završava.

Latinica

Latinica je rasprostranja preko nekoliko blokova, što je razlog zašto pokušaj udovoljavanja nije nikada sasvim radi.

Raspon	Blok	Što je u njemu	Primjer
U+0000–U+007F	Basic Latin	ASCII, nepromijenjen: Latinski znakovi, znamenke, interpunkcija, upravljački kodovi	A z 0 ?
U+0080–U+00FF	Latin-1 Supplement	Zapadnoeuropski naglasci, plus £ § × ÷ i razmak bez prekida	é ñ ü ×
U+0100–U+017F	Latin Extended-A	Srednjoeuropski i istočnoeuropski naglasci — č, ł, ő, ș	č ł ő š
U+0180–U+024F	Latin Extended-B	Dodatna slova za afrička i fonetska pisma	ƒ ǎ ȳ
U+1E00–U+1EFF	Latin Extended Additional	Vijetnamski i ostali višestruko naglašeni latinski znakovi	ạ ế ṛ

Kombinacijski znakovi i modifikatori

Oni se pričvršćuju na znakovi prije njih i nemaju vlastitu širinu.

Raspon	Blok	Što je u njemu	Primjer
U+0300–U+036F	Combining Diacritical Marks	Naglasci primijenjeni na prethodnu znakoviDrugi, razloženi način pisanja é. Normalizirajte na NFC da ga sežete.	◌́ ◌̈ ◌̌
U+02B0–U+02FF	Spacing Modifier Letters	Superscripleta slova i IPA stres i tonske oznake	ʰ ˈ ˚
U+FE00–U+FE0F	Variation Selectors	Nevidljivi selektori koji biraju tekst ili emoji prezentacijuVS16 je ono što pretvara ✔ u emoji. Nevidljivo, ali se računa.
U+FE20–U+FE2F	Combining Half Marks	Polovine oznaka koja se proteže kroz dva znaka

Ostala pisma

Raspon	Blok	Što je u njemu	Primjer
U+0370–U+03FF	Greek and Coptic	Grčki, i kopzki znakovi koji dijele njegov blok	α Ω π
U+0400–U+04FF	Cyrillic	Ruski, ukrajinski, srpski, bugarski i srodni abecedi	д Я ж
U+0590–U+05FF	Hebrew	Hebrejska slova, rečitne točke i kantilacijske oznake	א ש
U+0600–U+06FF	Arabic	Arapska slova, u njihovim odijeljenima oblikama	ا ب ي
U+0900–U+097F	Devanagari	Hindi, sanskrt, Marathi i srodni jezici	क ह
U+0E00–U+0E7F	Thai	Tajlandski suglasnici, samoglasnici i tonske oznake	ก ท
U+10A0–U+10FF	Georgian	Gruzijski Mkhedruli	ა ბ
U+1F00–U+1FFF	Greek Extended	Polytonica Grčki — naglasci klasičnih tekstova	ᾰ ῶ

Interpunkcija i brojevi

Izvor većine nevidljivih znakova koji prežive kopiranje zalijepljene.

Raspon	Blok	Što je u njemu	Primjer
U+2000–U+206F	General Punctuation	Crtice, zakrivljeni navodnnici, elipsis — i većina nevidljivih razmakaU+200B nulti razmak i U+2060 spojnica žive ovdje.	– — “ ” …
U+2070–U+209F	Superscripts and Subscripts	Superscripleta i subscript znamenke i slova	⁰ ⁴ ₂
U+20A0–U+20CF	Currency Symbols	Znakovi valute koje Latin-1 nema mjesta za — €, ₴, ₹, ₺	€ ₴ ₺
U+2100–U+214F	Letterlike Symbols	Simboli izgrađeni od slova — ™, №, ℃, ℓ	™ ℃ №
U+2150–U+218F	Number Forms	Vulgarne razlomke i rimske brojeve kao jednog znaka	⅓ ⅕ Ⅷ

Simboli i crtanje

Raspon	Blok	Što je u njemu	Primjer
U+2190–U+21FF	Arrows	Strelice u svakom smjeru, jednostruke i dvostruke	← ↔ ⇒
U+2200–U+22FF	Mathematical Operators	Matematički operatori — ∀, ∑, ≠, ∞	∀ ∑ ≠
U+2300–U+23FF	Miscellaneous Technical	Znakovi tipkovnice i tehnički — ⌘, ⌥, ⌫, ⏎	⌘ ⌥ ⏎
U+2500–U+257F	Box Drawing	Linije i kutovi za terminalske kutije i tablice	─ ┌ ╬
U+2580–U+259F	Block Elements	Čvrste i zasjenjene blokove, korištene za terminalske grafikone od stupca	█ ▓ ░
U+25A0–U+25FF	Geometric Shapes	Kvadrati, krugovi, trokuti i dijamanti	■ ● ▲
U+2600–U+26FF	Miscellaneous Symbols	Vremenske prilike, astrologija, šah, kartice i odijela karata	☀ ★ ♥
U+2700–U+27BF	Dingbats	Tiskličeve ukrase — oznake provjere, škare, zvijezde	✂ ✓ ➜
U+2800–U+28FF	Braille Patterns	Svi 256 uzoraka Braille točaka, korišteni za terminalsku grafiku i	⠁ ⣿

CJK i punirina

Forme s punom širinom su odvojeni znakovi od njihovih ASCII bliznaca, a ne fonta.

Raspon	Blok	Što je u njemu	Primjer
U+3000–U+303F	CJK Symbols and Punctuation	Ideografski razmak i CJK interpunkcijaU+3000 je razmak s punom širinom i ne skraćuje ga većina pravila razmaka.	、。
U+3040–U+309F	Hiragana	Japanski slogabni za izvorni i gramatiku	あん
U+30A0–U+30FF	Katakana	Japanski slogabni za pozajmljene i naglašavanje	アン
U+4E00–U+9FFF	CJK Unified Ideographs	Glavni Han blok — gotovo 21,000 znakova koje dijele kineski, japanski i korejski	日本語
U+AC00–U+D7AF	Hangul Syllables	Svih 11,172 predisponiranog korejskog slogovaSvaki se također može pisati kao odvojena Jamo, što normalizacija pomiruje.	한 글
U+FF00–U+FFEF	Halfwidth and Fullwidth Forms	Kopije ASCII-ja s punom širinom, i pola-width KatakanaＡ nije A. Tekst zaljepi od CJK oblika često trebam presavijanja u ASCII.	Ａ！ｱ

Iznad U+FFFF, i specijalni slučajevi

Bilo što ovdje trebam dva UTF-16 jedinica, što je gdje dolaze greške duljine niza.

Raspon	Blok	Što je u njemu	Primjer
U+D800–U+DB7F	High Surrogates	Prva polovica UTF-16 para — nikad nije valjana samaUsamljeni zamjenik je ono što niz režnjio kroz emoji ostavlja za sobom.
U+DC00–U+DFFF	Low Surrogates	Druga polovica UTF-16 para — nikad nije valjana sama
U+E000–U+F8FF	Private Use Area	Nemoguće po dizajnu, za privatne dogovoreGdje ikone fontove stavljaju svoje glifove. Besmisleno bez podudarnog fonta.
U+FFF0–U+FFFF	Specials	Zamjena znakovi i byte order mark-a srodnikaU+FFFD je ono što vidite kada je dekoder odustao od bayta.	�
U+1D400–U+1D7FF	Mathematical Alphanumeric Symbols	Podebljani, kurzivna, skripta i dvostruki alfabeti kao znakoviIzvor 𝐟𝐚𝐤𝐞 𝐛𝐨𝐥𝐝 u nazivima društvenih mreža. Nesivljivo.	𝐀 𝓪 𝟙
U+1F300–U+1F5FF	Miscellaneous Symbols and Pictographs	Većina ne-lica emoji — vremenske prilike, predmeti, mjesta, simboli	🌍 🔥 📄
U+1F600–U+1F64F	Emoticons	Lica emoji	😀 🙂
U+1F680–U+1F6FF	Transport and Map Symbols	Vozila, promet i simboli mape	🚀 🛑
U+1F900–U+1F9FF	Supplemental Symbols and Pictographs	Novija emoji dodaci — novija lica, geste, predmeti	🤖 🧠
U+E0000–U+E007F	Tags	Nevidljivi znakovi oznake, korišteni u sekvencama zastaveTakođer vektor za nevidljivi tekst prokradenjeza unutar normalno izgledajućeg niza.

FAQ

Koja je razlika između bloka i pisma?

Blok je kontinuirani raspon kodnih točaka; pismo je sustav pisanja kojem znak pripada. Nisu ista i često se ne slažu — latinski znakovi su rasprostranjeni barem preko sedam blokova, a blok Combining Diacritical Marks koristi nekoliko pisama istodobno. U regex-u, \p{Script=Latin} je gotovo uvijek ono što trebate, ne \p{Block=…}.

Zašto redovi zamjenika nemaju primjere znakova?

Jer zamjenik nije znak. U+D800–U+DFFF su rezervirani kao parni mehanizam za UTF-16: dva od njih zajedno kodiraju jednu kodnu točku iznad U+FFFF. Sami su nevaljani tekst, što je upravo razlog zašto niz izrezan kroz sredinu emoji proizvodi znakovi za zamjenu — zadržali ste pola para.

Zašto se moj naglašeni znak ponekad računa kao dva?

Jer postoji dva načina da se napiše. é može biti jedna kodna točka od Latin-1 Supplement, ili e pa kombinacijski akutni naglasak od Combining Diacritical Marks bloka. Izgledaju identično i uspoređuju se kao nejednaki. Normalizacija na NFC ruši drugi oblik u prvi, i to je za što je alat normalizacije.

Je li emoji jedan znakovi?

Rijetko. Prikazani emoji je često nekoliko kodnih točaka — osnovni simbol, modifikatori tona kože, varijacijski selektori, i sastavnice bezWidth-a veza zajednice zajedno. Duljina od 1 je iznimka, a ne pravilo, i bilo koji kod koji isječe nizove prema indeksu će na kraju razdijeliti jedan.

Unicode blokovi

Latinica#

Kombinacijski znakovi i modifikatori#

Ostala pisma#

Interpunkcija i brojevi#

Simboli i crtanje#

CJK i punirina#

Iznad U+FFFF, i specijalni slučajevi#

FAQ

Slični alati