Unicode中的汉字完整范围是什么？

问题描述 投票：80回答：6

U4E00..U9FFF是整套的一部分，但不是全部

unicode cjk
6个回答
92
投票

也许你会找到一个完整的CJK Unicode FAQ列表（其中包括“中文，日文和韩文”字符）

“East Asian Script”文件确实提到：

包含汉字表意文字的块

汉字表意字符可在Unicode标准的五个主要块中找到，如表12-2所示

表12-2。包含汉字表意文字的块

Block                                   Range       Comment
CJK Unified Ideographs                  4E00-9FFF   Common
CJK Unified Ideographs Extension A      3400-4DBF   Rare
CJK Unified Ideographs Extension B      20000-2A6DF Rare, historic
CJK Unified Ideographs Extension C      2A700–2B73F Rare, historic
CJK Unified Ideographs Extension D      2B740–2B81F Uncommon, some in current use
CJK Unified Ideographs Extension E      2B820–2CEAF Rare, historic
CJK Compatibility Ideographs            F900-FAFF   Duplicates, unifiable variants, corporate characters
CJK Compatibility Ideographs Supplement 2F800-2FA1F Unifiable variants

注意：块范围可以随着时间的推移而发展：最新的是在CJK Unified Ideographs。

另见维基百科：

46
投票

Unicode目前有74605个CJK字符。 CJK字符不仅包括中文使用的字符，还包括日语汉字，韩语汉字和越南语Chu Nom。有些CJK字符不是中文字符。

1) 20941 characters from the CJK Unified Ideographs block.

代码点U + 4E00到U + 9FCC。

  1. U+4E00 - U+62FF
  2. U+6300 - U+77FF
  3. U+7800 - U+8CFF
  4. U+8D00 - U+9FCC

2) 6582 characters from the CJKUI Ext A block.

代码点U+3400 to U+4DB5。 Unicode 3.0（1999）。

3) 42711 characters from the CJKUI Ext B block.

代码点U + 20000至U + 2A6D6。 Unicode 3.1（2001）。

  1. U+20000 - U+215FF
  2. U+21600 - U+230FF
  3. U+23100 - U+245FF
  4. U+24600 - U+260FF
  5. U+26100 - U+275FF
  6. U+27600 - U+290FF
  7. U+29100 - U+2A6DF

3) 4149 characters from the CJKUI Ext C block.

代码点U+2A700 to U+2B734。 Unicode 5.2（2009）。

4) 222 characters from the CJKUI Ext D block.

代码点U+2B740 to U+2B81D。 Unicode 6.0（2010）。

5) CJKUI Ext E block.

Coming soon

如果以上不是意大利面，请看看known issues。玩得开心=）

16
投票

汉字的确切范围（扩展名除外）是[\u2E80-\u2FD5\u3190-\u319f\u3400-\u4DBF\u4E00-\u9FCC\uF900-\uFAAD]。

  1. [\u2e80-\u2fd5]

CJK Radicals Supplement是一个Unicode块，包含康熙自由基的替代形式，通常是位置形式。它们在字典索引和其他由激进笔画组织的CJK表意文字集合中使用。

  1. [\u3190-\u319f]

Kanbun是一个Unicode块，包含日语经典中文文本副本中使用的注释字符，用于表示阅读顺序。

  1. [\u3400-\u4DBF]

CJK Unified Ideographs Extension-A是一个包含稀有汉字表意文字的Unicode块。

  1. [\u4E00-\u9FCC]

CJK Unified Ideographs是一个Unicode块，包含现代中文和日文中使用的最常见的CJK表意文字。

  1. [\uF900-\uFAAD]

CJK兼容性表意文字是一个Unicode块，其创建包含在其他已建立的字符编码中在多个位置编码的汉字符，以及它们的CJK统一表意文字分配，以保持Unicode与这些编码之间的往返兼容性。

有关详细信息，请参阅here，其他答案中提供了扩展名。

3
投票

Unicode版本11.0.0

在Unicode中，中文，日文和韩文（CJK）脚本共享一个共同的背景，统称为CJK字符。

这些范围通常包含未指定或保留的代码点（如U + 2E9A，U + 2EF4 - 2EFF），

中国文字

bottom  top     reference(also have a look at wiki page)    block name
4E00    9FEF    http://www.unicode.org/charts/PDF/U4E00.pdf CJK Unified Ideographs
3400    4DBF    http://www.unicode.org/charts/PDF/U3400.pdf CJK Unified Ideographs Extension A
20000   2A6DF   http://www.unicode.org/charts/PDF/U20000.pdf    CJK Unified Ideographs Extension B
2A700   2B73F   http://www.unicode.org/charts/PDF/U2A700.pdf    CJK Unified Ideographs Extension C
2B740   2B81F   http://www.unicode.org/charts/PDF/U2B740.pdf    CJK Unified Ideographs Extension D
2B820   2CEAF   http://www.unicode.org/charts/PDF/U2B820.pdf    CJK Unified Ideographs Extension E
2CEB0   2EBEF   https://www.unicode.org/charts/PDF/U2CEB0.pdf   CJK Unified Ideographs Extension F
3007    3007    https://zh.wiktionary.org/wiki/%E3%80%87    in block CJK Symbols and Punctuation
  • 在CJK Unified Ideographs块中，我注意到许多答案使用上限9FCC，但U + 9FCD（鿍）确实是中文字符。此块中的所有字符都是中文字符（也用于日语或韩语等）。
  • CJK Unified Ideograohs Ext中的大多数角色（除了Ext F，外接F中只有17％是汉字）是繁体中文字符，在中国很少使用。
  • 〇是零的汉字形式，至今仍在使用

因此范围是

[0x3007,0x3007]，[0x3400,0x4DBF]，[0x4E00,0x9FEF]，[0x20000,0x2EBFF]

CJK字符但从未用过中文

它们是Common Han，仅用于兼容性。

几乎不可能看到它们出现在任何中文书籍，文章，着作等。

这里的所有字符都有一个对应的字形相同的汉字。如金（U + F90A）和金（U + 91D1），它们在字形上是相同的。

 F900    FAFF   https://www.unicode.org/charts/PDF/UF900.pdf  CJK Compatibility Ideographs
2F800   2FA1F   https://www.unicode.org/charts/PDF/U2F800.pdf CJK Compatibility Ideographs Supplement

CJK相关符号

2E80    2EFF    http://www.unicode.org/charts/PDF/U2E80.pdf CJK Radicals Supplement

2F00    2FDF    http://www.unicode.org/charts/PDF/U2F00.pdf Kangxi Radicals 
2FF0    2FFF    https://unicode.org/charts/PDF/U2FF0.pdf    Ideographic Description Character
3000    303F    https://www.unicode.org/charts/PDF/U3000.pdf    CJK Symbols and Punctuation
3100    312f    https://unicode.org/charts/PDF/U3100.pdf    Bopomofo
31A0    31BF    https://unicode.org/charts/PDF/U31A0.pdf    Bopomofo Extended
31C0    31EF    http://www.unicode.org/charts/PDF/U31C0.pdf CJK Strokes
3200    32FF    https://unicode.org/charts/PDF/U3200.pdf    Enclosed CJK Letters and Months
3300    33FF    https://unicode.org/charts/PDF/U3300.pdf    CJK Compatibility
FE30    FE4F    https://www.unicode.org/charts/PDF/UFE30.pdf    CJK Compatibility Forms
FF00    FFEF    https://www.unicode.org/charts/PDF/UFF00.pdf    Halfwidth and Fullwidth Forms
1F200   1F2FF   https://www.unicode.org/charts/PDF/U1F200.pdf   Enclosed Ideographic Supplement
  • Hangul Compatibility Jamo等一些块因为与中文无关而被放弃。
  • 康熙激进不是汉字，它是中国特色的图形组成部分，它专门用来表达激进分子，例如。 ⼻（U + 2F3B）和彳（U + 5F73），⻜（U + 2EDC）和飞（U + 98DE）

其他常见的标点符号出现在中文中

这是一个广泛的范围，一些标点可能从未使用过，一些标点如……”“在中文中使用了这么多。

0000    007F    https://unicode.org/charts/PDF/U0000.pdf    C0 Controls and Basic Latin 
2000    206F    https://unicode.org/charts/PDF/U2000.pdf    General Punctuation
……

还有许多与中国相关的符号，例如Yijing Hexagram Symbols或Kanbun，但它无论如何都是偏离主题的。我在CJK写非汉字，以便更好地解释什么是汉字。除了数学和其他专业符号外，上面的范围已经涵盖了几乎所有的字符都出现在中文写作中。

补充

CJK符号和标点符号

　、。〃〄々〆〇〈〉《》「」『』【】〒〓〔〕〖〗〘〙〚〛〜〝〞〟〠〡〢〣〤〥〦〧〨〩〪〭〮〯〫〬〰〱〲〳〴〵〶〷〸〹〺〻〼〽 〾 〿

半宽和全宽表格

！＂＃＄％＆＇（）＊＋，－．／０１２３４５６７８９：；＜＝＞？＠ＡＢＣＤＥＦＧＨＩＪＫＬＭＮＯＰＱＲＳＴＵＶＷＸＹＺ［＼］＾＿｀ａｂｃｄｅｆｇｈｉｊｋｌｍｎｏｐｑｒｓｔｕｖｗｘｙｚ｛｜｝～｟｠｡｢｣､･ｦｧｨｩｪｫｬｭｮｯｰｱｲｳｴｵｶｷｸｹｺｻｼｽｾｿﾀﾁﾂﾃﾄﾅﾆﾇﾈﾉﾊﾋﾌﾍﾎﾏﾐﾑﾒﾓﾔﾕﾖﾗﾘﾙﾚﾛﾜﾝﾞﾟﾡﾢﾣﾤﾥﾦﾧﾨﾩﾪﾫﾬﾭﾮﾯﾰﾱﾲﾳﾴﾵﾶﾷﾸﾹﾺﾻﾼﾽﾾￂￃￄￅￆￇￊￋￌￍￎￏￒￓￔￕￖￗￚￛￜ￠￡￢￣￤￥￦￨￩￪￫￬￭￮

参考

  1. https://zh.wikipedia.org/wiki/%E6%B1%89%E5%AD%97（中文，注意右侧栏）
  2. https://zh.wikipedia.org/wiki/%E4%B8%AD%E6%97%A5%E9%9F%93%E7%9B%B8%E5%AE%B9%E8%A1%A8%E6%84%8F%E6%96%87%E5%AD%97（注意底部表）
  3. http://www.unicode.org
1
投票

其他人回答的Unicode代码块肯定涵盖了大多数中文Unicode字符，但也可以查看其他一些代码块。

CJK_UNIFIED_IDEOGRAPHS
CJK_UNIFIED_IDEOGRAPHS_EXTENSION_A
CJK_UNIFIED_IDEOGRAPHS_EXTENSION_B
CJK_UNIFIED_IDEOGRAPHS_EXTENSION_C
CJK_UNIFIED_IDEOGRAPHS_EXTENSION_D
CJK_UNIFIED_IDEOGRAPHS_EXTENSION_E
CJK_COMPATIBILITY
CJK_COMPATIBILITY_FORMS
CJK_COMPATIBILITY_IDEOGRAPHS
CJK_COMPATIBILITY_IDEOGRAPHS_SUPPLEMENT
CJK_RADICALS_SUPPLEMENT
CJK_STROKES
CJK_SYMBOLS_AND_PUNCTUATION
ENCLOSED_CJK_LETTERS_AND_MONTHS
ENCLOSED_IDEOGRAPHIC_SUPPLEMENT
KANGXI_RADICALS
IDEOGRAPHIC_DESCRIPTION_CHARACTERS

请参阅我更全面的讨论here。 this site便于浏览Unicode。

0
投票

总而言之，听起来像是这些：

var blocks = [
  [0x3400, 0x4DB5],
  [0x4E00, 0x62FF],
  [0x6300, 0x77FF],
  [0x7800, 0x8CFF],
  [0x8D00, 0x9FCC],
  [0x2e80, 0x2fd5],
  [0x3190, 0x319f],
  [0x3400, 0x4DBF],
  [0x4E00, 0x9FCC],
  [0xF900, 0xFAAD],
  [0x20000, 0x215FF],
  [0x21600, 0x230FF],
  [0x23100, 0x245FF],
  [0x24600, 0x260FF],
  [0x26100, 0x275FF],
  [0x27600, 0x290FF],
  [0x29100, 0x2A6DF],
  [0x2A700, 0x2B734],
  [0x2B740, 0x2B81D]
]
最新问题
© www.soinside.com 2019 - 2024. All rights reserved.