为什么在GLibC中“不间断空间”和其他ispunct（）？

Question

我一直在看GNU LibC给各种分隔符提供的<wctype.h>标志。基本上有两组。

第一个组在iswspace()和iswblank()（和isprint()上返回true，但对于其他组也是如此）。这些包括：

• U+0020 SPACE
• U+1680 OGHAM SPACE MARK
• U+2000 EN QUAD
• U+2001 EM QUAD
• U+2002 EN SPACE
• U+2003 EM SPACE
• U+2004 THREE-PER-EM SPACE
• U+2005 FOUR-PER-EM SPACE
• U+2006 SIX-PER-EM SPACE
• U+2008 PUNCTUATION SPACE
• U+2009 THIN SPACE
• U+200a HAIR SPACE
• U+205f MEDIUM MATHEMATICAL SPACE
• U+3000 IDEOGRAPHIC SPACE

到目前为止，没有投诉。不过，其他小组让我感到困惑：

• U+00a0 NO-BREAK SPACE
• U+2007 FIGURE SPACE
• U+202f NARROW NO-BREAK SPACE

这些在iswspace()和iswblank()上返回 false ，但是对于iswpunct()和iswgraph()则返回 true 。

为什么最后三个标点符号而不是空格？

Java对此显然同意GLibC（请参阅链接页面）。 Unicode将两个组都标记为类别“ Zs”，“ Space_Separator” ...

Answer 1

ISO / IEC 30112 信息技术-文化惯例的规范方法状态，重点是：

  

空格

     

定义要归类为空白字符的字符，查找语法边界。 [...]该类不应不包含NO-BREAK空格字符 <U00A0>，<U2007>，<UFEFF>，因为这些字符不应用于单词边界。