使用代码点返回Unicode名称

Question

我知道如何从代码点返回Unicode字符。那不是我之后的事。我想知道的是如何返回与特定代码点关联的名称。例如，代码点为1F340。它的名字是FOUR LEAF CLOVER。我们可以用它的代码点返回这个名字吗？我已经阅读了大约100个涉及Unicode的主题。但我还没有看到一个人在讨论我的问题。我希望这是可能的。

感谢您的帮助。

Answer 1

您是否考虑过ICU library？它提供以下C API：http://icu-project.org/apiref/icu4c/uchar_8h.html#aa488f2a373998c7decb0ecd3e3552079

int32_t u_charName(
    UChar32 code,
    UCharNameChoice nameChoice,
    char* buffer,
    int32_t bufferLength,
    UErrorCode* pErrorCode)

  

检索Unicode字符的名称。

     

根据nameChoice，写入缓冲区的字符名称是“现代”名称或Unicode版本1.0中定义的名称。该名称仅包含“不变”字符，如A-Z，0-9，空格和“ - ”。仅当Unicode 1.0名称与现代名称不同并且数据文件包含它们的数据时，才会检索它们。可以使用命令行选项调用或不调用gennames，以在unames.dat中包含1.0名称。

     

<强>参数

     

    

代码要获取名称的字符（代码点）。它必须是0<=code<=0x10ffff。

         

nameChoice 要获取其名称的选择器。

         

缓冲区复制名称的目标地址。名称将始终为零终止。如果没有名称，则缓冲区将设置为空字符串。

         

bufferLength ==sizeof(buffer)

         

pErrorCode 指向UErrorCode变量的指针;在u_charName（）返回后检查U_SUCCESS（）。

  

     

<强>返回

     

    

名称的长度，如果此字符没有名称，则为0。如果bufferLength小于或等于length，则缓冲区包含截断的名称，返回的长度表示名称的全长。长度不包括零终止。

  

Answer 2

ICU是正确的方法，但它比克里斯说的更简单。基金会已经包括ICU，用于各种文本处理功能，包括CFStringTransform()。其transform参数接受“ICU用户指南中定义的任何有效ICU转换ID”。

ICU's transforms中的一个是Any-Name：

  

在花括号中转换字符及其Unicode名称。例如：   。，⇆{FULL STOP} {COMMA}

（语法并没有完全记录，但它足够接近，你可以弄明白。）

还有一个Any-Hex转换，可用于转换为代码点十六进制值。