如何解释charmap文件中的字符范围？

Question

魅力图文件/usr/share/i18n/charmaps/UTF-8.gz有这一行：

<U3400>..<U343F> /xe3/x90/x80 <CJK Ideograph Extension A>

地图页面charmap(5)只说这意味着一个范围。然后我找到了 spec，但它说字符名称中的数字应该是十进制的，而不是十六进制的，它使用 3 个点，而不是手册页中的 2 个。那么，我应该如何解释 charmap 文件中的字符范围？特别是如果我看到类似的东西

<U3400>..<U3430> /xe3/x90/x80 <CJK Ideograph Extension A>

那么范围是十进制还是十六进制？

Answer 1

glibc 允许三点十进制范围（如在 POSIX 中）和两点十六进制范围。这似乎没有记录在任何地方，但我们可以在源代码中看到它。这不是定义的可移植行为，而是 glibc 和其他可能的扩展。如果您正在编写自己的文件，请使用十进制。

让我们确认这是 glibc 的实际行为。

处理范围时，glibc 使用：

   if (decimal_ellipsis)
     while (isdigit (*cp) && cp >= from)
       --cp;
   else
     while (isxdigit (*cp) && cp >= from)
       {
         if (!isdigit (*cp) && !isupper (*cp))
           lr_error (lr, _("\
 hexadecimal range format should use only capital characters"));
         --cp;
       }

其中isxdigit验证十六进制数字和isdigit十进制。稍后，它以相同的方式将转换为消耗的子字符串的整数分支，并按您的预期进行。早些时候，它在解析过程中确定了有问题的省略号类型，从词法分析器中获得。

UTF-8 charmap 文件是从 unicode.org机械生成的UnicodeData.txt，创建了两个点的 64 码点范围。我想这种方便的自动生成至少部分支持扩展，但我不知道。早期版本的 glibc 也生成了它，但使用不同的程序和相同的格式。

同样，这似乎没有记录在任何地方，而且因为它是在使用它的地方旁边自动生成的，所以可以想象它可能会改变，但我想它会很稳定。

如果给出类似的东西

<U3400>..<U3430> /xe3/x90/x80 <CJK Ideograph Extension A>

那么它是一个十六进制范围，因为它使用两个点。使用三个点，它将是一个 POSIX 十进制范围。

如果你在另一个没有这个扩展的系统上，那只是一个语法错误。可移植字符映射文件应仅使用十进制范围。