我想检测文本中的单词，即我需要知道给定文本中的哪些字符是字母，即它们可以是（口语）单词的一部分，另一方面，哪些字符是标点符号等。
\n\n例如，在上面的句子中，“我”、“想要”和“i”和“e”是这方面的单词，而空格“。” 和逗号则不是。
\n\n这样做的困难在于我希望能够读取任何类型的基于 Unicode 的脚本。例如，德语单词“sch\xc3\xb6n”是一个单词。但希腊语、阿拉伯语或日语又如何呢？
\n\n因此，我需要一个表格或列表，指定可以形成单词的所有字符范围。或者，我还想知道哪些字符是可以形成数字的数字（假设其他脚本具有与阿拉伯数字类似的编号方案）。
\n\n我需要这个用于 Mac OS X、Windows 和 Linux。我将编写一个 C 应用程序，因此它需要是一个操作系统库或一个完整的代码/数据解决方案，我可以将其转换为 C。
\n\n我知道Mac OS（Cocoa）提供了用于此目的的功能，但我不确定Win和Linux是否有类似的解决方案（可能是基于gtk？）。
\n\n或者，如果我有完整的表格，我可以编写自己的代码。
\n\n我找到了 unicode 图表（http://unicode.org/charts/index.html#scripts），但这并不是我可以在编程中使用的一种方便的形式。
\n\n那么，有人可以告诉我 Windows 和 Linux 是否有用于此目的的函数，或者我在哪里可以找到 unicode 中单词字符的完整表/列表？
\n