Unicode编码范围

最新推荐文章于 2023-11-03 15:24:04 发布

thomashtq

最新推荐文章于 2023-11-03 15:24:04 发布

阅读量1.8w

点赞数

分类专栏： Python C/C++

本文链接：https://blog.csdn.net/thomashtq/article/details/39081233

版权

本文详细介绍了Unicode编码的不同范围，包括中文字符的主要范围U+4E00～U+9FA5，以及Unicode编码的各个扩展区段，如拉丁文、希腊文、希伯来文等。此外，还提供了相关的参考资料和正则表达式匹配中文字符的方法。

摘要由CSDN通过智能技术生成

引言
unicode是全世界统一的编码规则，但只规定了各种字符的数字编码（官网：www.unicode.org），具体实现的存储方式有utff-8,utf-16,utf-32等形式,各种形式有不同的存储和与unicode代码的映射规则。

中文字符范围
Unicode CJK 的范围分布在多个区段中，带有 CJK 的区块名中都拥有汉字。但最常用的范围是 U+4E00～U+9FA5，即名
为：CJK Unified Ideographs 的区块，但 U+9FA6～U+9FFF 之间的字符还属于空码，暂时还未定义，但不能保证以后不会被定义。
注1：中文范围 4E00-9FBF：CJK 统一表意符号 (CJK Unified Ideographs)
注2：正则表达式[\u4e00-\u9fa5] 可匹配中文字符，但这种方式并不能根据平台所提供的字符集范围不同而改变。
注3：Unicode 中 U+4E00～U+9FFF 的码表：http://www.unicode.org/charts/PDF/U4E00.pdf
注4：Unicode 码查到所有的字符：http://www.unicode.org/cgi-bin/GetUnihanData.pl

Unicode 编码范围　
　　0000-007F：C0控制符及基本拉丁文 (C0 Control and Basic Latin)
　　0080-00FF：C1控制符及拉丁文补充-1 (C1 Control and Latin 1 Supplement)
　　0100-017F：拉丁文扩展-A (Latin Extended-A)
　　0180-024F：拉丁文扩展-B (Latin Extended-B)
　　0250-02AF：国际音标扩展 (IPA Extensions)
　　02B0-02FF：空白修饰字母 (Spacing Modifiers)
　　0300-036F：结合用读音符号 (Combining Diacritics Marks)
　　0370-03FF：希腊文及科普特文 (Greek and Coptic)
0400-04FF：西里尔字母 (Cyrillic)
　　0500-052F：西里尔字母补充 (Cyrillic Supplement)
　　0530-058F：亚美尼亚语 (Armenian)
　　0590-05FF：希伯来文 (Hebrew)
　　0600-06FF：阿拉伯文 (Arabic)
　　0700-074F：叙利亚文 (Syriac)
　　0750-077F：阿拉伯文补充 (Arabic Supplement)
　　0780-07BF：马尔代夫语 (Thaana)
　　07C0-077F&