什么unicode范围被认为是字母？

Question

我正在尝试进行一些文字处理。我可以轻松地为我所知的语言编写一个正则表达式（英语为A-Z），但添加希伯来语，阿拉伯语，中文等字母的内容太多了。

unicode认为字母是什么字符范围？

Answer 1

除了按其范围进行分类之外，每个Unicode字符都有一个称为“常规类别”的东西。您可能想要使用以下类别：

[Lu]    Letter, Uppercase
[Ll]    Letter, Lowercase
[Lt]    Letter, Titlecase
[Lm]    Letter, Modifier
[Lo]    Letter, Other

这不包括数字，标点符号，符号等（它与Java的Character.isLetter使用的设置相同）。如果您的正则表达式引擎支持它，您可以使用\p{L}检查输入字符是否在其中一个类别中。

整个类别列表位于Wikipedia，unicode.org包含有关\p正则表达式语法的详细信息。

Answer 2

您可能需要查看以下内容：Unicode Character Ranges，其中包含语言的范围。具体来说没有一般的范围，因阿拉伯语的不同语言而异，它是0600 - 06FF，希伯​​来语是0590 - 05FF等。