Question

我想知道所有的语言是否都像白色空间字符一样处理相同的字符集，还是有任何变化。

任何人都可以提供分隔可从键盘输入的空白字符的完整列表吗？如果它不同，差异和原因会更合适。如果您没有带出Whitespace或其变体（如果有的话），任何语言都会有所帮助。我当然不想要像Whitespace这样的语言的完整列表：）

Answer 1

特定字符是否被归类为空白字符应取决于所使用的字符集。也就是说，编程语言可以自己定义什么构成空格。

大多数现代语言使用Unicode字符集，具有空格分隔符的定义。 Zs类别中的任何字符都是空格分隔符。

You can see the complete list here。此外，您可以在官方Unicode Character Database中查看;Zs;以查看这些字符。请注意，此类别中的字符数可能会随着新的Unicode版本的出现而增长，因此我不会说有多少这样的字符存在，甚至尝试列出它们。

除 Zs Unicode 类别外，Unicode还定义了character properties。 Unicode定义的属性包括Whitespace属性。从Unicode 7.0开始，具有此属性的字符包括所有类别为Zs的字符加上一些控制字符（包括U + 0009，U + 000A，U + 000B，U + 000C，U + 000D ，和U + 0085）。您可以使用空白属性at Unicode.org here找到所有字符。

现在许多语言，甚至现代语言都有正则表达式的特殊符号，例如\s或[:space:]，但要注意，这些只引用ASCII集中的某些字符;通常这些仅限于

SPACE（代码点32，U + 0020）
TAB（代码点9，U + 0009）
LINE FEED（代码点10，U + 000A）
LINE TABULATION（代码点11，U + 000B）
FORM FEED（代码点12，U + 000C）
CARRIAGE RETURN（代码点13，U + 000D）

现在这个列表很有意思，因为它不仅包含空格分隔符（Zs），还包含“控制，其他”类别（Cc）。这就是编程语言在使用术语“空白”时的一般含义。

因此，回答空白字符“完整列表”的最佳方法就是说“这取决于你的意思。”如果你的意思是“经典的空白”，它可能是上面列出的六个字符。如果你想要更“现代”的东西，那么这六个与Unicode类别Zs中的所有字符的结合。然后，您可能还需要查看其他块（例如，Jerry Coffin对您的问题的评论中提到的U + 1361）。它还取决于您打算用这些空格字符做。

现在最后一件事：Unicode还没有世界上的每一个角色;它不断增长。有一天可能会添加新的空格字符。目前，类别Zs +经典是你最好的选择。

Answer 2

Ray的回答提供了很好的信息，但不幸的是它缺少3个空格字符。：（

更新：雷已经更新了他已经很好的答案，现在甚至更多的thoro和完成。我不知道它是如此复杂。 :)对于一个'简单'的答案，我提供以下内容。但是，理解他非常好地解释的额外复杂性非常有用。

目前有25个Unicode空白字符，其中包含以下十六进制“代码点”：

9, A, B, C, D, 20, 85, A0,
1680, 2000, 2001, 2002, 2003, 2004, 2005, 2006,
2007, 2008, 2009, 200A, 2028, 2029, 202F, 205F,
3000

对应的十进制值为：

9, 10, 11, 12, 13, 32, 133, 160,
5760, 8192, 8193, 8194, 8195, 8196, 8197, 8198,
8199, 8200, 8201, 8202, 8232, 8233, 8239, 8287,
12288

我的参考是官方的Unicode网站本身，我在那里搜索“空白”。所以，正如表达式一样，我从“马的嘴里”得到它。如果你转到http://unicode.org/charts/uca/，你会得到一个带有左导航框的2帧，你可以点击“帮助”链接下的第3个链接，即“空白”链接。不幸的是，显示的框架并不是我称之为“用户友好”的框架。但是，显示的框架会为每个Unicode空白字符的十六进制值提供所有的原始列表。我相信这页是最“官方”的答案。

Answer 3

如果您正在寻找有效的方法，请使用以下代码：

(c <= 32 && c >= 0) || c == 127;

0到31是控制字符，32是SPACE字符，127是ESC字符。这适用于我所知道的所有字符集，包括UTF-8。

所有的空白角色？它是语言独立的吗？

3 个答案: