可能在Unicode中组合字符序列

Question

有些字符不包含在Unicode中（即重音的西里尔字母），但可以使用组合序列创建。据我所知，可能的组合字符序列是在布局引擎和/或使用的字体中定义的。我对吗？那么，如何获得所有可能的组合序列？

Answer 1

你是正确的，因为对于布局引擎和字体的组合，尝试创建任意组合序列可能会失败。这个问题的解决方案超出了Unicode标准的范围。

来自Unicode 6.2，chapter 2：

  

所有组合字符都可以应用于任何基本字符，原则上可以与任何脚本一起使用。与其他字符一样，将组合字符分配给一个块或另一个块仅标识其主要用法;它无意定义或限制可应用的字符范围。 在Unicode标准中，允许使用所有字符代码序列。

     

这并不会对实现产生同等支持所有可能组合的义务。因此，虽然允许将阿拉伯语注释标记应用于汉字或梵文辅音，但它不太可能在渲染或支持方面得到很好的支持。

Answer 2

这取决于您的特定布局引擎，是否以及如何查询某个Unicode字符序列是否可显示。

Answer 3

Unicode中可能的组合字符序列的集合实际上是无限的（尽管只有无数个），因为组合字符可能出现在任何字符之后，包括组合字符。有时候你会看到人们在StackOverflow中使用它，使用一个带有长串组合字符的字符。

所以列表将是无限的。它可以自动生成，但没有多大用处。

Accented Cyrillic字符包含在Unicode中，而不是预先组合的字符。在Unicode中，重音的西里尔字符连续只是两个Unicode代码点。

演示质量取决于所使用的字体和渲染引擎。通常情况下，新软件可以很好地处理简单的案例，例如я（西里尔语字母ya），但是旧软件可能有简单的渲染例程，有时会错误地使用变音符号。质量渲染要求软件访问有关基本字符尺寸的信息，并相应地放置变音符号。

重要的是，变音符号取自与基本字符相同的字体。 “交叉字体”组合往往会产生糟糕或糟糕的结果。因此，您应首先检查哪些字体包含组合急性U + 0301，然后在剩余的候选者中选择字体。

Unicode具有“named character sequence”的概念。从非正式的角度来说，当组合不作为预组合字符存在时，它可用于给字母之类的序列提供一些身份和“特征”，然后组合标记。给出的动机是：“Unicode代码点序列的这种通用符号在话语文本中通常很有用。更正式地说，其他标准可能需要引用通过字符序列以Unicode表示的实体。映射表可以将其他标准中的单个字符映射到Unicode字符序列，并且字体或键盘的曲目覆盖列表可能需要引用与单个Unicode代码点不对应的实体。“但是，这个概念并没有变得非常流行，并且当前registry不包含任何以西里尔字符为基础的序列。