Question

想知道通常如何完成Unicode代码点查找表。也就是说，给定诸如a之类的字符，返回U+24B6，反之亦然。想知道是否有任何有效的技巧，使它不仅仅归结为：

a: U+24B6
b: ...
c: ...

这将占用很多文件大小（和内存）。也许有一种紧凑的方式可以在文件中表示它（不确定this是否正在执行此操作），然后在运行时将其扩展为更大的内存。

for x in y:
  map[x | something] = U + x + 123

或者也许有一种方法可以使它即使在运行时也保持最小，因此可以通过某种方式动态计算。

Answer 1

首先，如果要映射一个代码点到另一个，则完全不需要映射到类似U + x + value的字符串。只需将代码点直接存储在从char到char的映射中即可（char这种类型足以存储所有Unicode代码点）

map['a'] = 0x24B6;
map['x'] = 123;

在上面的iconv-lite存储库中，代码点存储为字符串，例如“ 8140”，效率非常低

这仍然太广泛了，因为它实际上取决于您要映射的内容。不同的映射具有不同的方式来散列输入值（除非您要使用排序后的字典，这样可以提高内存效率，但速度较慢）。但是，如果要将a映射到Ⓐ，将b映射到c，将c映射到Ⓒ...，则只需进行线性转换即可。这是一个伪函数示例，它将Enclosed Alphanumerics block中的AZ映射到ⓐ-ⓩ（0x24D0-0x24E9），az映射到Ⓐ-Ⓩ（0x24B6-0x24CF）， 0-9到?-?（0x1F101-0x1F10A）

func map(char input)
    if 'a' <= input && input <= 'z':
        return input - 'a' + 'Ⓐ'
    if 'A' <= input && input <= 'Z':
        return input - 'a' + 'ⓐ'
    if '0' <= input && input <= '9':
        return input - '0' + '?'
    return '\0';

无需查找表

Unicode代码点的高效查找表

1 个答案: