Question

我正在尝试让JavaScript打印所有Unicode字符。根据我的研究，有1,114,112个Unicode字符。

以下脚本可以起作用：

for(i = 0; i < 1114112; i++) 
    console.log(String.fromCharCode(i));

但我发现只使用了1,114,112个Unicode字符中的10％。

我怎样才能打印使用过的unicode字符？

Answer 1

As Jukka said，JavaScript没有内置的方法来了解给定的Unicode代码点是否已经分配了符号。

但仍然有办法做你想做的事。

我编写了several scripts来解析Unicode数据库，并为Unicode中的每个类别，属性，脚本，块等创建单独的数据文件。我还创建了an HTTP API，它允许您以编程方式获取给定Unicode类别中的所有代码点（即数字数组），或者具有给定Unicode属性的所有符号（即每个字符的字符串数组）或者带有匹配的正则表达式匹配某个Unicode脚本中的任何符号。

例如，要获取一个字符串数组，其中包含已在Unicode v6.3.0中分配了符号的每个Unicode代码点的一个项目，您可以使用以下URL：

http://mathias.html5.org/data/unicode/format?version=6.3.0&property=Assigned&type=symbols&prepend=window.symbols%20%3D%20&append=%3B

请注意，您可以通过调整URL参数来预先添加和添加您喜欢的任何内容，以便更轻松地在您自己的脚本中重用数据。根据您的要求，console.log()所有这些符号的示例HTML页面可以编写如下：

<!DOCTYPE html>
<meta charset="utf-8">
<title>All assigned Unicode v6.3.0 symbols</title>
<script src="http://mathias.html5.org/data/unicode/format?version=6.3.0&property=Assigned&type=symbols&prepend=window.symbols%20%3D%20&append=%3B"></script>
<script>
  window.symbols.forEach(function(symbol) {
    // Do what you want to do with `symbol` here, e.g.
    console.log(symbol);
  });
</script>

Demo。请注意，由于这是很多数据，因此打开此页面时您的DevTools控制台可能会变慢。

更新：现在，您应该使用unicode-11.0.0之类的Unicode数据包。在Node.js中，您可以执行以下操作：

const symbols = require('unicode-11.0.0/Binary_Property/Assigned/symbols.js');
console.log(symbols);

// Or, to get the code points:
require('unicode-11.0.0/Binary_Property/Assigned/code-points.js');

// Or, to get a regular expression that only matches these characters:
require('unicode-11.0.0/Binary_Property/Assigned/regex.js');

Answer 2

JavaScript中没有直接的方法可以确定代码点是否已分配给某个字符，这似乎是一个问题。您需要从合适的来源提取信息，并且只要在新版本的Unicode中分配新字符，就需要更新此信息。

Unicode中有1,114,112个代码点。 Unicode标准为每个代码点分配属性gc，General Category。如果此属性的值不是Cs，Co或Cn，则将代码点分配给字符。（gc等于Co的代码点是私人使用代码点，没有分配字符，但它们可以通过私人协议用于字符。）

您需要做的是获取Unicode字符数据库中的一些相关文件的副本（实际上只是特定格式的文件集合），并编写读取它的代码并生成有关已分配代码点的信息。出于打印所有Unicode字符的目的，最好将信息生成为指定代码点范围的数组。当使用新字符更新标准时，需要重复此操作。

即使其余的也不是微不足道的。您需要决定打印角色的含义。某些字符是可能具有效果的控制字符，例如导致换行符，但缺少可见的字形。一些（空格）有空字形。一些（组合标记）意味着被渲染为附加到前一个角色的标记，尽管它们也具有传统的渲染作为“独立”字符。有些是根据最近的背景采取基本不同的形状;他们也可能有孤立的形式，但只是写一个又一个的字符绝不保证使用孤立的形式。

然后是字体问题。没有一种字体可以包含所有Unicode字符，因此您需要在一起使用时找到涵盖所有Unicode的字体集合，最好使它们在风格上以某种方式匹配。

因此，如果您只是在寻找所有可打印Unicode字符的汇编，请考虑使用Unicode code charts。

Answer 3

这里的麻烦是Javascript 不，与流行的观点相反，是一种Unicode环境。

在内部，它使用USC-2，这是一种早于UTF16的不兼容的16位编码方法。

此外，许多unicode字符本身不能直接打印 - 其中一些字符可以修改以前的字符 - 例如西班牙字母ñ可以用unicode编写为单点 - 该角色 - 或两个点 - n和~

以下是一些应该真正帮助您理解这一点的资源：

JavaScript打印所有使用的Unicode字符

3 个答案: