如何从特定类别中获取所有 Unicode 字符？

Question

例如，如何x-y\uxxxx\Uxxxxxxxxx从连接符标点 ( Pc ) 类别中获取代码点模式，用于扫描 ECMAScript 3/JavaScript 标识符？

原始问题

我需要帮助来验证词法扫描仪的 ECMA-262（3º 版，7.6）标识符的有效字符（代码点）。

语法引用

Identifier ::

• IdentifierName 但不是 ReservedWord

IdentifierName ::

• IdentifierStart
• IdentifierName IdentifierPart
• IdentifierStart ::
• UnicodeLetter
• $
• _
• \ UnicodeEscapeSequence # 不需要检查这个

IdentifierPart ::

• IdentifierStart
• UnicodeCombiningMark
• UnicodeDigit
• UnicodeConnectorPunctuation

UnicodeLetter ::

• Unicode 类别中的任何字符“大写字母 ( Lu )”、“小写 > 字母 ( Ll )”、“大写字母 ( Lt )”、“修饰符字母 ( Lm )”、“其他字母 ( Lo )”或“字母”数（Nl）”。

UnicodeCombiningMark ::

• Unicode 类别“非间距标记 ( Mn )”或“组合间距标记 ( Mc )”中的任何字符

UnicodeDigit ::

• Unicode 类别“十进制数 ( Nd )”中的任何字符

UnicodeConnectorPunctuation ::

• Unicode 类别“连接器标点符号 ( Pc )”中的任何字符

如您所见，它需要某些类别的任何字符。

我需要拥有所有这些可能的字符，所以我的第一步是在这个 Unicode 5.0图表上找到“连接器标点符号” ，但是有 0 个匹配，我相信我做错了。那么有人可以帮助我吗？

Answer 1

Unicode 提供了此工具来确定字符集。它使用带有包含在[::].

对于你想要做的 Unicode 5 中的所有字符[:age=5.0:]。

其余的是“一般类别”（gc）。因此，例如[:age=5.0:]&[:gc=Lu:]将找到 Unicode 5 中的所有大写字母（gc=L通常会找到所有字母）。

对于 IdentifierStart，您需要[:age=5.0:]&[[:gc=L:][:gc=Nl:]\$_]. 对于 IdentifierPart，您需要[:age=5.0:]&[[:gc=L:][:gc=Nl:][:gc=Mn:][:gc=Mc:][:gc=Nd:][:gc=Pc:]\$_].

Unicode 还具有称为 ID_Start 和 ID_Continue 的属性，但它们不包含与您的规范相同的字符。

这里也是所有 Unicode 字符属性的概述。