各个国家 不同字符集的unicode 编码范围

原文地址:http://blog.csdn.NET/xzl04/article/details/6307416

[javascript] view plain copy

  1. 0000-007F：C0控制符及基本拉丁文 (C0 Control and Basic Latin)
  2. 0080-00FF：C1控制符及拉丁文补充-1 (C1 Control and Latin 1 Supplement)
  3. 0100-017F：拉丁文扩展-A (Latin Extended-A)
  4. 0180-024F：拉丁文扩展-B (Latin Extended-B)
  5. 0250-02AF：国际音标扩展 (IPA Extensions)
  6. 02B0-02FF：空白修饰字母 (Spacing Modifiers)
  7. 0300-036F：结合用读音符号 (Combining Diacritics Marks)
  8. 0370-03FF：希腊文及科普特文 (Greek and Coptic)
  9. 0400-04FF：西里尔字母 (Cyrillic)
  10. 0500-052F：西里尔字母补充 (Cyrillic Supplement)
  11. 0530-058F：亚美尼亚语 (Armenian)
  12. 0590-05FF：希伯来文 (Hebrew)
  13. 0600-06FF：阿拉伯文 (Arabic)
  14. 0700-074F：叙利亚文 (Syriac)
  15. 0750-077F：阿拉伯文补充 (Arabic Supplement)
  16. 0780-07BF：马尔代夫语 (Thaana)
  17. 07C0-077F：西非書面語言 (N‘Ko)
  18. 0800-085F：阿维斯塔语及巴列维语 (Avestan and Pahlavi)
  19. 0860-087F：Mandaic
  20. 0880-08AF：撒马利亚语 (Samaritan)
  21. 0900-097F：天城文书 (Devanagari)
  22. 0980-09FF：孟加拉语 (Bengali)
  23. 0A00-0A7F：锡克教文 (Gurmukhi)
  24. 0A80-0AFF：古吉拉特文 (Gujarati)
  25. 0B00-0B7F：奥里亚文 (Oriya)
  26. 0B80-0BFF：泰米尔文 (Tamil)
  27. 0C00-0C7F：泰卢固文 (Telugu)
  28. 0C80-0CFF：卡纳达文 (Kannada)
  29. 0D00-0D7F：德拉维族语 (Malayalam)
  30. 0D80-0DFF：僧伽罗语 (Sinhala)
  31. 0E00-0E7F：泰文 (Thai)
  32. 0E80-0EFF：老挝文 (Lao)
  33. 0F00-0FFF：藏文 (Tibetan)
  34. 1000-109F：缅甸语 (Myanmar)
  35. 10A0-10FF：格鲁吉亚语 (Georgian)
  36. 1100-11FF：朝鲜文 (Hangul Jamo)
  37. 1200-137F：埃塞俄比亚语 (Ethiopic)
  38. 1380-139F：埃塞俄比亚语补充 (Ethiopic Supplement)
  39. 13A0-13FF：切罗基语 (Cherokee)
  40. 1400-167F：统一加拿大土著语音节 (Unified Canadian Aboriginal Syllabics)
  41. 1680-169F：欧甘字母 (Ogham)
  42. 16A0-16FF：如尼文 (Runic)
  43. 1700-171F：塔加拉语 (Tagalog)
  44. 1720-173F：Hanunóo
  45. 1740-175F：Buhid
  46. 1760-177F：Tagbanwa
  47. 1780-17FF：高棉语 (Khmer)
  48. 1800-18AF：蒙古文 (Mongolian)
  49. 18B0-18FF：Cham
  50. 1900-194F：Limbu
  51. 1950-197F：德宏泰语 (Tai Le)
  52. 1980-19DF：新傣仂语 (New Tai Lue)
  53. 19E0-19FF：高棉语记号 (Kmer Symbols)
  54. 1A00-1A1F：Buginese
  55. 1A20-1A5F：Batak
  56. 1A80-1AEF：Lanna
  57. 1B00-1B7F：巴厘语 (Balinese)
  58. 1B80-1BB0：巽他语 (Sundanese)
  59. 1BC0-1BFF：Pahawh Hmong
  60. 1C00-1C4F：雷布查语(Lepcha)
  61. 1C50-1C7F：Ol Chiki
  62. 1C80-1CDF：曼尼普尔语 (Meithei/Manipuri)
  63. 1D00-1D7F：语音学扩展 (Phonetic Extensions)
  64. 1D80-1DBF：语音学扩展补充 (Phonetic Extensions Supplement)
  65. 1DC0-1DFF：结合用读音符号补充 (Combining Diacritics Marks Supplement)
  66. 1E00-1EFF：拉丁文扩充附加 (Latin Extended Additional)
  67. 1F00-1FFF：希腊语扩充 (Greek Extended)
  68. 2000-206F：常用标点 (General Punctuation)
  69. 2070-209F：上标及下标 (Superscripts and Subscripts)
  70. 20A0-20CF：货币符号 (Currency Symbols)
  71. 20D0-20FF：组合用记号 (Combining Diacritics Marks for Symbols)
  72. 2100-214F：字母式符号 (Letterlike Symbols)
  73. 2150-218F：数字形式 (Number Form)
  74. 2190-21FF：箭头 (Arrows)
  75. 2200-22FF：数学运算符 (Mathematical Operator)
  76. 2300-23FF：杂项工业符号 (Miscellaneous Technical)
  77. 2400-243F：控制图片 (Control Pictures)
  78. 2440-245F：光学识别符 (Optical Character Recognition)
  79. 2460-24FF：封闭式字母数字 (Enclosed Alphanumerics)
  80. 2500-257F：制表符 (Box Drawing)
  81. 2580-259F：方块元素 (Block Element)
  82. 25A0-25FF：几何图形 (Geometric Shapes)
  83. 2600-26FF：杂项符号 (Miscellaneous Symbols)
  84. 2700-27BF：印刷符号 (Dingbats)
  85. 27C0-27EF：杂项数学符号-A (Miscellaneous Mathematical Symbols-A)
  86. 27F0-27FF：追加箭头-A (Supplemental Arrows-A)
  87. 2800-28FF：盲文点字模型 (Braille Patterns)
  88. 2900-297F：追加箭头-B (Supplemental Arrows-B)
  89. 2980-29FF：杂项数学符号-B (Miscellaneous Mathematical Symbols-B)
  90. 2A00-2AFF：追加数学运算符 (Supplemental Mathematical Operator)
  91. 2B00-2BFF：杂项符号和箭头 (Miscellaneous Symbols and Arrows)
  92. 2C00-2C5F：格拉哥里字母 (Glagolitic)
  93. 2C60-2C7F：拉丁文扩展-C (Latin Extended-C)
  94. 2C80-2CFF：古埃及语 (Coptic)
  95. 2D00-2D2F：格鲁吉亚语补充 (Georgian Supplement)
  96. 2D30-2D7F：提非纳文 (Tifinagh)
  97. 2D80-2DDF：埃塞俄比亚语扩展 (Ethiopic Extended)
  98. 2E00-2E7F：追加标点 (Supplemental Punctuation)
  99. 2E80-2EFF：CJK 部首补充 (CJK Radicals Supplement)
  100. 2F00-2FDF：康熙字典部首 (Kangxi Radicals)
  101. 2FF0-2FFF：表意文字描述符 (Ideographic Description Characters)
  102. 3000-303F：CJK 符号和标点 (CJK Symbols and Punctuation)
  103. 3040-309F：日文平假名 (Hiragana)
  104. 30A0-30FF：日文片假名 (Katakana)
  105. 3100-312F：注音字母 (Bopomofo)
  106. 3130-318F：朝鲜文兼容字母 (Hangul Compatibility Jamo)
  107. 3190-319F：象形字注释标志 (Kanbun)
  108. 31A0-31BF：注音字母扩展 (Bopomofo Extended)
  109. 31C0-31EF：CJK 笔画 (CJK Strokes)
  110. 31F0-31FF：日文片假名语音扩展 (Katakana Phonetic Extensions)
  111. 3200-32FF：封闭式 CJK 文字和月份 (Enclosed CJK Letters and Months)
  112. 3300-33FF：CJK 兼容 (CJK Compatibility)
  113. 3400-4DBF：CJK 统一表意符号扩展 A (CJK Unified Ideographs Extension A)
  114. 4DC0-4DFF：易经六十四卦符号 (Yijing Hexagrams Symbols)
  115. 4E00-9FBF：CJK 统一表意符号 (CJK Unified Ideographs)
  116. A000-A48F：彝文音节 (Yi Syllables)
  117. A490-A4CF：彝文字根 (Yi Radicals)
  118. A500-A61F：Vai
  119. A660-A6FF：统一加拿大土著语音节补充 (Unified Canadian Aboriginal Syllabics Supplement)
  120. A700-A71F：声调修饰字母 (Modifier Tone Letters)
  121. A720-A7FF：拉丁文扩展-D (Latin Extended-D)
  122. A800-A82F：Syloti Nagri
  123. A840-A87F：八思巴字 (Phags-pa)
  124. A880-A8DF：Saurashtra
  125. A900-A97F：爪哇语 (Javanese)
  126. A980-A9DF：Chakma
  127. AA00-AA3F：Varang Kshiti
  128. AA40-AA6F：Sorang Sompeng
  129. AA80-AADF：Newari
  130. AB00-AB5F：越南傣语 (Vi?t Thái)
  131. AB80-ABA0：Kayah Li
  132. AC00-D7AF：朝鲜文音节 (Hangul Syllables)
  133. D800-DBFF：High-half zone of UTF-16
  134. DC00-DFFF：Low-half zone of UTF-16
  135. E000-F8FF：自行使用區域 (Private Use Zone)
  136. F900-FAFF：CJK 兼容象形文字 (CJK Compatibility Ideographs)
  137. FB00-FB4F：字母表達形式 (Alphabetic Presentation Form)
  138. FB50-FDFF：阿拉伯表達形式A (Arabic Presentation Form-A)
  139. FE00-FE0F：变量选择符 (Variation Selector)
  140. FE10-FE1F：竖排形式 (Vertical Forms)
  141. FE20-FE2F：组合用半符号 (Combining Half Marks)
  142. FE30-FE4F：CJK 兼容形式 (CJK Compatibility Forms)
  143. FE50-FE6F：小型变体形式 (Small Form Variants)
  144. FE70-FEFF：阿拉伯表達形式B (Arabic Presentation Form-B)
  145. FF00-FFEF：半型及全型形式 (Halfwidth and Fullwidth Form)
  146. FFF0-FFFF：特殊 (Specials)

java正则:

Unicode CJK 的范围分布在多个区段中，2 楼所贴出来的是整个 Unicode 中区块
表，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。

下面这个是 Unicode 中 U+4E00～U+9FFF 的码表：
http://www.unicode.org/charts/PDF/U4E00.pdf

在这里可以根据 Unicode 码查到所有的字符：
http://www.unicode.org/cgi-bin/GetUnihanData.pl

另：在正则表达式中使用 [\u4e00-\u9fa5] 这种方式属于写死的代码，并不能根据
平台所提供的字符集范围不同而改变，不过对于要求不是很高的话的是可以了。如果
对字符集的要求很高，可以采用下面的这种 Unicode 块的方式：

Java code

?


1

String regex = "[\\p{InCJK Unified Ideographs}&&\\P{Cn}]]";

在当前的 JDK 版中与 [\u4e00-\u9fa5] 的意义一致。但这样可以匹配 Java 平台所支持
Unicode 块名为 CJK Unified Ideogrpahs 中已定义的字符，这种方式就属于“活”代码
今后的 JDK 版本升级了，定义到了 \u9fa6 的字符，同样能够满足匹配。

时间： 2024-08-05 06:39:58

各个国家 不同字符集的unicode 编码范围的相关文章

中文汉字和常见英文数字等的unicode编码范围

  字符集 字数 Unicode编码(\u) 基本汉字 20902字  4E00-9FA5  基本汉字补充  38字  9FA6-9FCB 扩展A 6582字  3400-4DB5  扩展B  42711字  20000-2A6D6 扩展C  4149字 2A700-2B734  扩展D  222字  2B740-2B81D 康熙部首  214字  2F00-2FD5 部首扩展  115字 2E80-2EF3  兼容汉字  477字  F900-FAD9 兼容扩展  542字 2F800-2FA

汉字 Unicode 编码范围

字符集 字数 Unicode 编码 基本汉字 20902字 4E00-9FA5 基本汉字补充 38字 9FA6-9FCB 扩展A 6582字 3400-4DB5 扩展B 42711字 20000-2A6D6 扩展C 4149字 2A700-2B734 扩展D 222字 2B740-2B81D 康熙部首 214字 2F00-2FD5 部首扩展 115字 2E80-2EF3 兼容汉字 477字 F900-FAD9 兼容扩展 542字 2F800-2FA1D PUA(GBK)部件 81字 E815-E

关于Unicode，字符集，字符编码

基本概念 字符[character] 字符代表了字母表中的字符,标点符号和其他的一些符号.在计算机中,文本是由字符组成的. 字符集合[character set] 由一套用于特定用途的字符组成,例如支持西欧语言的字符集合,支持中文的字符集合.字符集合只定义了符号和他们的语意,其实跟计算机没有直接关系. 现实生活中,不同的语系有自己的字符集合,例如藏文有自己的字符集合,汉文有自己的字符集合.到计算机的世界中,也有各种字符集合,例如ASCII字符集合,GB2312字符集合,GBK字符集合.还有一个其

刨根究底字符编码之十——Unicode字符集的字符编码方式CEF以及码点、码元

Unicode字符集的字符编码方式CEF以及码点.码元 一.字符编码方式CEF的选择 1. 由于Unicode字符集非常大,有些字符的编号(码点值)需要两个或两个以上字节来表示,而要对这样的编号进行编码,也必须使用两个或两个以上字节. 比如,汉字"严"的Unicode码(Unicode码点值.Unicode编号)是十六进制数4E25,转换成二进制数有15位(100 1110 0010 0101),对"严"这个字符的编号进行编码的话,至少需要2个字节.表示其他更大编号

C语言:宽字符集操作函数（unicode编码）

C语言:宽字符集操作函数(unicode编码) 字符分类: 宽字符函数 普通C函数描述 iswalnum() isalnum() 测试字符是否为数字或字母 iswalpha() isalpha() 测试字符是否是字母 iswcntrl() iscntrl() 测试字符是否是控制符 iswdigit() isdigit() 测试字符是否为数字 iswgraph() isgraph() 测试字符是否是可见字符 iswlower() islower() 测试字符是否是小写字符 iswprint() i

几种常见字符集与字符编码

字符集的概念 字符(Character)是各种文字和符号的总称,包括各国家文字.标点符号.图形符号.数字等. 而字符集(Character set)是多个字符的集合,字符集种类较多,每个字符集包含的字符个数不同. 常用字符集 ASCII字符集.GB2312字符集.GBK字符集. USC-3字符集.Unicode字符集等. 字符编码的概念 字符编码(英语:Character encoding)也称字集码,是把字符集中的字符编码为指定集合中某一对象(例如:比特模式.自然数序列.8位组或者电脉冲),以

字符，字符集，字符编码

字符,字符集,字符编码 简书郭文圣 现在Unicode已然一统天下,我想很多年轻的程序员可能都没遇到过编码问题,更不用说了解编码的发展了.前些日子在一个老网站上偶遇乱码,虽然入行时间不短,但对其究竟也是不甚了解,好奇心驱使下落入深坑.还好经过一段时间的摸爬滚打,边学边写,总算大概理清了个脉络,记录之,分享之. 概念 字符是一个信息单位,在计算机里面,一个中文汉字是一个字符,一个英文字母是一个字符,一个阿拉伯数字是一个字符,一个标点符号也是一个字符. 字符集是字符组成的集合,通常以二维表的形式存在

unicode编码UTF-8和locale概念

参考: 学点编码知识又不会死:Unicode的流言终结者和编码大揭秘 http://www.freebuf.com/articles/others-articles/25623.html ----------------------------------------------------------------------------------------------------------- 我的理解: unicode:就像是一个电话本,仅仅定义了一个'字符'对应的'数字':unicod

UNICODE编码UTF-16 中的Endian（FE FF） 和 Little Endian（FF FE）

从网上找到的两篇不错的文章,由于被网上多处转载,所以不知道源处,未能注明出处,希望作者见谅,如有意见请发信给我,谢谢! 第一篇很清晰. 介绍Unicode之前,首先要讲解一些基础知识.虽然跟Unicode没有直接的关系,但想弄明白Unicode,没这些还真不行. 字节和字符的区别 咦,字节和字符能有什么区别啊?不都是一样的吗?完全正确,但只是在古老的DOS时代.当Unicode出现后,字节和字符就不一样了. 字节(octet)是一个八位的存储单元,取值范围一定是0-255.而字符(charact