如何从特定类别中获取所有Unicode字符？

Question

如何从连接器标点符号（ Pc ）类别获取像x-y\uxxxx\Uxxxxxxxxx这样的代码点模式，用于扫描ECMAScript 3 / JavaScript标识符？

原始问题

我需要帮助来验证词法扫描程序的ECMA-262（3º edition，7.6）标识符的有效字符（代码点）。

语法引用

  

Identifier ::

     

  
• IdentifierName但不是ReservedWord
  

     

IdentifierName ::

     

  
• IdentifierStart
  
• IdentifierName IdentifierPart
  
• IdentifierStart ::
  
• UnicodeLetter
  
• 的 $
  
• 的 _
  
• \ UnicodeEscapeSequence ＃无需查看
  

     

IdentifierPart ::

     

  
• IdentifierStart
  
• UnicodeCombiningMark
  
• UnicodeDigit
  
• UnicodeConnectorPunctuation
  

     

UnicodeLetter ::

     

  
• Unicode类别中的任何字符“大写字母（ Lu ）”，“小写＆gt;信（ Ll ）“，”标题字母（ Lt ）“，   “修饰符字母（ Lm ）”，“其他字母（ Lo ）”或“字母编号   （的 NL ）”。
  

     

UnicodeCombiningMark ::

     

  
• Unicode类别中的任何字符“非间距标记（ Mn ）”或“组合间距标记（ Mc ）”
  

     

UnicodeDigit ::

     

  
• Unicode类别中的任何字符“十进制数字（ Nd ）”
  

     

UnicodeConnectorPunctuation ::

     

  
• Unicode类别中的任何字符“连接符标点符号（ Pc ）”
  

如您所见，它需要某些类别的任何特征。

我需要拥有所有这些可能的角色，所以我的第一步是找到＆＃34;连接符标点＆＃34;在这个Unicode 5.0 chart，但0匹配，我相信我做错了。有人可以帮助我吗？

Answer 1

Unicode提供this tool来确定字符集。它使用包含在[::]。

中的属性 - 值对的正则表达式

对于Unicode 5中的所有字符，您想要[:age=5.0:]。

其余的是＆＃34;一般类别＆＃34; （GC）。因此，例如[:age=5.0:]&[:gc=Lu:]将在Unicode 5中找到所有大写字母（gc=L将查找所有字母）。

对于IdentifierStart，您需要[:age=5.0:]&[[:gc=L:][:gc=Nl:]\$_]。对于IdentifierPart，您需要[:age=5.0:]&[[:gc=L:][:gc=Nl:][:gc=Mn:][:gc=Mc:][:gc=Nd:][:gc=Pc:]\$_]。

Unicode还具有名为ID_Start和ID_Continue的属性，但它们不包含与您的规范相同的字符。

Here也是所有Unicode字符属性的概述。