这个问题可能是堆栈溢出的边界，所以如果它看起来过于偏离主题，我会提前道歉。我正在编写一个涉及多种语言的程序，我需要一个将 languages 映射到Unicode点的表。那些熟悉Unicode的人会知道字符被划分为“块”，如拉丁语，西里尔语等。当然，大多数使用拉丁字符的语言都不使用 all 拉丁字符，大多数使用西里尔字符的语言不使用所有西里尔字符等。我感兴趣的是一个表格，只将英语映射到英语中使用的字符，西班牙语只映射到西班牙语中使用的字符，没有必要覆盖世界上的每种语言（因为这几乎是不可能的），但至少有一些比较常见的语言。 （即便如此，这将是一个涉及多对多关系的相当广泛的表。）我不确定这样的表是否存在。 （如果没有，我可以把它变成一个开源项目，因为它对我和其他人都非常有用。）
答案 0 :(得分：7)
CLDR包含大量语言的字符集的定义。 exemplarCharacters元素指定正常编写语言单词所需的字符。可以在By-Type Chart: misc.exemplarCharacters页面上（通过编写系统分组）查看此元素的当前定义，但是对于自动处理，您可能会发现XML文件更合适。 exemplarCharacters-other元素当前包含标点符号的类似数据。
这可能是这类信息的最佳可用汇编，但它在概念上非常模糊（它并没有真正尝试定义用于编写语言的字符意味着什么），并且不同语言的信息具有在一个开放的过程中收集，但不包含一般的质量控制。
元素的含义在LDML规范第5.6 Character Elements条中定义。请注意描述“<characters>元素提供有关区域设置中常用字符的可选信息，以及有助于选择适合区域设置的资源或数据的信息，例如在选择字符编码时通常用于以语言环境的语言传输数据。“这是一个相当奇怪的观点，特别是在Unicode Consortium文档中，因为我们可以使用UTF-8，它涵盖了所有语言。但是有其他问题，其中有关语言中使用的字符的信息可能有用，例如选择文本字体，或输入数据的初步检查，或设置OCR扫描的参数，或定义键盘设置。对于“语言中使用的字符”这一概念，这些上下文可能需要不同的定义。