U4E00..U9FFF是整套的一部分,但不是全部
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:
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。
代码点U + 4E00到U + 9FCC。
代码点U+3400 to U+4DB5。 Unicode 3.0(1999)。
代码点U + 20000至U + 2A6D6。 Unicode 3.1(2001)。
代码点U+2A700 to U+2B734。 Unicode 5.2(2009)。
代码点U+2B740 to U+2B81D。 Unicode 6.0(2010)。
如果以上不是意大利面,请看看known issues。玩得开心=)
汉字的确切范围(扩展名除外)是[\u2E80-\u2FD5\u3190-\u319f\u3400-\u4DBF\u4E00-\u9FCC\uF900-\uFAAD]
。
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。
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。
CJK Unified Ideographs Extension-A是一个包含稀有汉字表意文字的Unicode块。
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。
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。
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),
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
因此范围是
[0x3007,0x3007],[0x3400,0x4DBF],[0x4E00,0x9FEF],[0x20000,0x2EBFF]
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
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
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。
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¢£¬ ̄¦¥₩│←↑→↓■○
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
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]
]