首页 > 代码库 > 各个国家 不同字符集的unicode 编码范围

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.   
  3. 0080-00FF:C1控制符及拉丁文补充-1 (C1 Control and Latin 1 Supplement)  
  4.   
  5. 0100-017F:拉丁文扩展-A (Latin Extended-A)  
  6.   
  7. 0180-024F:拉丁文扩展-B (Latin Extended-B)  
  8.   
  9. 0250-02AF:国际音标扩展 (IPA Extensions)  
  10.   
  11. 02B0-02FF:空白修饰字母 (Spacing Modifiers)  
  12.   
  13. 0300-036F:结合用读音符号 (Combining Diacritics Marks)  
  14.   
  15. 0370-03FF:希腊文及科普特文 (Greek and Coptic)  
  16.   
  17. 0400-04FF:西里尔字母 (Cyrillic)  
  18.   
  19. 0500-052F:西里尔字母补充 (Cyrillic Supplement)  
  20.   
  21. 0530-058F:亚美尼亚语 (Armenian)  
  22.   
  23. 0590-05FF:希伯来文 (Hebrew)  
  24.   
  25. 0600-06FF:阿拉伯文 (Arabic)  
  26.   
  27. 0700-074F:叙利亚文 (Syriac)  
  28.   
  29. 0750-077F:阿拉伯文补充 (Arabic Supplement)  
  30.   
  31. 0780-07BF:马尔代夫语 (Thaana)  
  32.   
  33. 07C0-077F:西非書面語言 (N‘Ko)  
  34.   
  35. 0800-085F:阿维斯塔语及巴列维语 (Avestan and Pahlavi)  
  36.   
  37. 0860-087F:Mandaic  
  38.   
  39. 0880-08AF:撒马利亚语 (Samaritan)  
  40.   
  41. 0900-097F:天城文书 (Devanagari)  
  42.   
  43. 0980-09FF:孟加拉语 (Bengali)  
  44.   
  45. 0A00-0A7F:锡克教文 (Gurmukhi)  
  46.   
  47. 0A80-0AFF:古吉拉特文 (Gujarati)  
  48.   
  49. 0B00-0B7F:奥里亚文 (Oriya)  
  50.   
  51. 0B80-0BFF:泰米尔文 (Tamil)  
  52.   
  53. 0C00-0C7F:泰卢固文 (Telugu)  
  54.   
  55. 0C80-0CFF:卡纳达文 (Kannada)  
  56.   
  57. 0D00-0D7F:德拉维族语 (Malayalam)  
  58.   
  59. 0D80-0DFF:僧伽罗语 (Sinhala)  
  60.   
  61. 0E00-0E7F:泰文 (Thai)  
  62.   
  63. 0E80-0EFF:老挝文 (Lao)  
  64.   
  65. 0F00-0FFF:藏文 (Tibetan)  
  66.   
  67. 1000-109F:缅甸语 (Myanmar)  
  68.   
  69. 10A0-10FF:格鲁吉亚语 (Georgian)  
  70.   
  71. 1100-11FF:朝鲜文 (Hangul Jamo)  
  72.   
  73. 1200-137F:埃塞俄比亚语 (Ethiopic)  
  74.   
  75. 1380-139F:埃塞俄比亚语补充 (Ethiopic Supplement)  
  76.   
  77. 13A0-13FF:切罗基语 (Cherokee)  
  78.   
  79. 1400-167F:统一加拿大土著语音节 (Unified Canadian Aboriginal Syllabics)  
  80.   
  81. 1680-169F:欧甘字母 (Ogham)  
  82.   
  83. 16A0-16FF:如尼文 (Runic)  
  84.   
  85. 1700-171F:塔加拉语 (Tagalog)  
  86.   
  87. 1720-173F:Hanunóo  
  88.   
  89. 1740-175F:Buhid  
  90.   
  91. 1760-177F:Tagbanwa  
  92.   
  93. 1780-17FF:高棉语 (Khmer)  
  94.   
  95. 1800-18AF:蒙古文 (Mongolian)  
  96.   
  97. 18B0-18FF:Cham  
  98.   
  99. 1900-194F:Limbu  
  100.   
  101. 1950-197F:德宏泰语 (Tai Le)  
  102.   
  103. 1980-19DF:新傣仂语 (New Tai Lue)  
  104.   
  105. 19E0-19FF:高棉语记号 (Kmer Symbols)  
  106.   
  107. 1A00-1A1F:Buginese  
  108.   
  109. 1A20-1A5F:Batak  
  110.   
  111. 1A80-1AEF:Lanna  
  112.   
  113. 1B00-1B7F:巴厘语 (Balinese)  
  114.   
  115. 1B80-1BB0:巽他语 (Sundanese)  
  116.   
  117. 1BC0-1BFF:Pahawh Hmong  
  118.   
  119. 1C00-1C4F:雷布查语(Lepcha)  
  120.   
  121. 1C50-1C7F:Ol Chiki  
  122.   
  123. 1C80-1CDF:曼尼普尔语 (Meithei/Manipuri)  
  124.   
  125. 1D00-1D7F:语音学扩展 (Phonetic Extensions)  
  126.   
  127. 1D80-1DBF:语音学扩展补充 (Phonetic Extensions Supplement)  
  128.   
  129. 1DC0-1DFF:结合用读音符号补充 (Combining Diacritics Marks Supplement)  
  130.   
  131. 1E00-1EFF:拉丁文扩充附加 (Latin Extended Additional)  
  132.   
  133. 1F00-1FFF:希腊语扩充 (Greek Extended)  
  134.   
  135. 2000-206F:常用标点 (General Punctuation)  
  136.   
  137. 2070-209F:上标及下标 (Superscripts and Subscripts)  
  138.   
  139. 20A0-20CF:货币符号 (Currency Symbols)  
  140.   
  141. 20D0-20FF:组合用记号 (Combining Diacritics Marks for Symbols)  
  142.   
  143. 2100-214F:字母式符号 (Letterlike Symbols)  
  144.   
  145. 2150-218F:数字形式 (Number Form)  
  146.   
  147. 2190-21FF:箭头 (Arrows)  
  148.   
  149. 2200-22FF:数学运算符 (Mathematical Operator)  
  150.   
  151. 2300-23FF:杂项工业符号 (Miscellaneous Technical)  
  152.   
  153. 2400-243F:控制图片 (Control Pictures)  
  154.   
  155. 2440-245F:光学识别符 (Optical Character Recognition)  
  156.   
  157. 2460-24FF:封闭式字母数字 (Enclosed Alphanumerics)  
  158.   
  159. 2500-257F:制表符 (Box Drawing)  
  160.   
  161. 2580-259F:方块元素 (Block Element)  
  162.   
  163. 25A0-25FF:几何图形 (Geometric Shapes)  
  164.   
  165. 2600-26FF:杂项符号 (Miscellaneous Symbols)  
  166.   
  167. 2700-27BF:印刷符号 (Dingbats)  
  168.   
  169. 27C0-27EF:杂项数学符号-A (Miscellaneous Mathematical Symbols-A)  
  170.   
  171. 27F0-27FF:追加箭头-A (Supplemental Arrows-A)  
  172.   
  173. 2800-28FF:盲文点字模型 (Braille Patterns)  
  174.   
  175. 2900-297F:追加箭头-B (Supplemental Arrows-B)  
  176.   
  177. 2980-29FF:杂项数学符号-B (Miscellaneous Mathematical Symbols-B)  
  178.   
  179. 2A00-2AFF:追加数学运算符 (Supplemental Mathematical Operator)  
  180.   
  181. 2B00-2BFF:杂项符号和箭头 (Miscellaneous Symbols and Arrows)  
  182.   
  183. 2C00-2C5F:格拉哥里字母 (Glagolitic)  
  184.   
  185. 2C60-2C7F:拉丁文扩展-C (Latin Extended-C)  
  186.   
  187. 2C80-2CFF:古埃及语 (Coptic)  
  188.   
  189. 2D00-2D2F:格鲁吉亚语补充 (Georgian Supplement)  
  190.   
  191. 2D30-2D7F:提非纳文 (Tifinagh)  
  192.   
  193. 2D80-2DDF:埃塞俄比亚语扩展 (Ethiopic Extended)  
  194.   
  195. 2E00-2E7F:追加标点 (Supplemental Punctuation)  
  196.   
  197. 2E80-2EFF:CJK 部首补充 (CJK Radicals Supplement)  
  198.   
  199. 2F00-2FDF:康熙字典部首 (Kangxi Radicals)  
  200.   
  201. 2FF0-2FFF:表意文字描述符 (Ideographic Description Characters)  
  202.   
  203. 3000-303F:CJK 符号和标点 (CJK Symbols and Punctuation)  
  204.   
  205. 3040-309F:日文平假名 (Hiragana)  
  206.   
  207. 30A0-30FF:日文片假名 (Katakana)  
  208.   
  209. 3100-312F:注音字母 (Bopomofo)  
  210.   
  211. 3130-318F:朝鲜文兼容字母 (Hangul Compatibility Jamo)  
  212.   
  213. 3190-319F:象形字注释标志 (Kanbun)  
  214.   
  215. 31A0-31BF:注音字母扩展 (Bopomofo Extended)  
  216.   
  217. 31C0-31EF:CJK 笔画 (CJK Strokes)  
  218.   
  219. 31F0-31FF:日文片假名语音扩展 (Katakana Phonetic Extensions)  
  220.   
  221. 3200-32FF:封闭式 CJK 文字和月份 (Enclosed CJK Letters and Months)  
  222.   
  223. 3300-33FF:CJK 兼容 (CJK Compatibility)  
  224.   
  225. 3400-4DBF:CJK 统一表意符号扩展 A (CJK Unified Ideographs Extension A)  
  226.   
  227. 4DC0-4DFF:易经六十四卦符号 (Yijing Hexagrams Symbols)  
  228.   
  229. 4E00-9FBF:CJK 统一表意符号 (CJK Unified Ideographs)  
  230.   
  231. A000-A48F:彝文音节 (Yi Syllables)  
  232.   
  233. A490-A4CF:彝文字根 (Yi Radicals)  
  234.   
  235. A500-A61F:Vai  
  236.   
  237. A660-A6FF:统一加拿大土著语音节补充 (Unified Canadian Aboriginal Syllabics Supplement)  
  238.   
  239. A700-A71F:声调修饰字母 (Modifier Tone Letters)  
  240.   
  241. A720-A7FF:拉丁文扩展-D (Latin Extended-D)  
  242.   
  243. A800-A82F:Syloti Nagri  
  244.   
  245. A840-A87F:八思巴字 (Phags-pa)  
  246.   
  247. A880-A8DF:Saurashtra  
  248.   
  249. A900-A97F:爪哇语 (Javanese)  
  250.   
  251. A980-A9DF:Chakma  
  252.   
  253. AA00-AA3F:Varang Kshiti  
  254.   
  255. AA40-AA6F:Sorang Sompeng  
  256.   
  257. AA80-AADF:Newari  
  258.   
  259. AB00-AB5F:越南傣语 (Vi?t Thái)  
  260.   
  261. AB80-ABA0:Kayah Li  
  262.   
  263. AC00-D7AF:朝鲜文音节 (Hangul Syllables)  
  264.   
  265. D800-DBFF:High-half zone of UTF-16  
  266.   
  267. DC00-DFFF:Low-half zone of UTF-16  
  268.   
  269. E000-F8FF:自行使用區域 (Private Use Zone)  
  270.   
  271. F900-FAFF:CJK 兼容象形文字 (CJK Compatibility Ideographs)  
  272.   
  273. FB00-FB4F:字母表達形式 (Alphabetic Presentation Form)  
  274.   
  275. FB50-FDFF:阿拉伯表達形式A (Arabic Presentation Form-A)  
  276.   
  277. FE00-FE0F:变量选择符 (Variation Selector)  
  278.   
  279. FE10-FE1F:竖排形式 (Vertical Forms)  
  280.   
  281. FE20-FE2F:组合用半符号 (Combining Half Marks)  
  282.   
  283. FE30-FE4F:CJK 兼容形式 (CJK Compatibility Forms)  
  284.   
  285. FE50-FE6F:小型变体形式 (Small Form Variants)  
  286.   
  287. FE70-FEFF:阿拉伯表達形式B (Arabic Presentation Form-B)  
  288.   
  289. FF00-FFEF:半型及全型形式 (Halfwidth and Fullwidth Form)  
  290.   
  291. 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。

各个国家 不同字符集的unicode 编码范围