Какой полный диапазон для китайских иероглифов в Юникоде?

Ответ 1

Может быть, вы найдете полный список в FAQ по CJK Unicode (который включает символы "китайский, японский и корейский")

В документе " Восточноазиатский сценарий " упоминаются:

Блоки, содержащие хан-идеограммы

Идеографические символы хана находятся в пяти основных блоках стандарта Unicode, как показано в таблице 12-2.

Таблица 12-2. Блоки, содержащие хан-идеограммы

Block                                   Range       Comment
CJK Unified Ideographs                  4E00-9FFF   Common
CJK Unified Ideographs Extension A      3400-4DBF   Rare
CJK Unified Ideographs Extension B      20000-2A6DF Rare, historic
CJK Unified Ideographs Extension C      2A700–2B73F Rare, historic
CJK Unified Ideographs Extension D      2B740–2B81F Uncommon, some in current use
CJK Unified Ideographs Extension E      2B820–2CEAF Rare, historic
CJK Compatibility Ideographs            F900-FAFF   Duplicates, unifiable variants, corporate characters
CJK Compatibility Ideographs Supplement 2F800-2FA1F Unifiable variants

Примечание: диапазоны блоков могут изменяться с течением времени: последние находятся в унифицированных идеографиях CJK.

Смотрите также Википедия:

• CJK Унифицированное расширение иероглифов A
• CJK Унифицированное расширение иероглифов B
• CJK Унифицированное расширение иероглифов C
• CJK Унифицированное расширение иероглифов D
• CJK Единое расширение иероглифов E
• CJK Унифицированное расширение иероглифов F (Unicode 10)

Ответ 2

В настоящее время Unicode имеет 74605 символов CJK. Символы CJK включают не только символы, используемые китайцами, но также японские кандзи, корейский ханджа и вьетнамский Chu Nom. Некоторые символы CJK являются не китайскими иероглифами.

1) 20941 символов из Блок унифицированных идеографов CJK.

Кодовые точки U + 4E00 до U + 9FCC.

• U + 4E00 - U + 62FF
• U + 6300 - U + 77FF
• U + 7800 - U + 8CFF
• U + 8D00 - U + 9FCC

2) 6582 символа из CJKUI Ext A block.

Кодовые точки U + 3400 до U + 4DB5. Unicode 3.0 (1999).

3) 42711 символов из блок CJKUI Ext B.

Кодовые точки U + 20000 до U + 2A6D6. Unicode 3.1 (2001).

• U + 20000 - U + 215FF
• U + 21600 - U + 230FF
• U + 23100 - U + 245FF
• U + 24600 - U + 260FF
• U + 26100 - U + 275FF
• U + 27600 - U + 290FF
• U + 29100 - U + 2A6DF

3) 4149 символов из блок CJKUI Ext C.

Кодовые точки U + 2A700 до U + 2B734. Unicode 5.2 (2009).

4) 222 символа из блок CJKUI Ext D.

Кодовые точки U + 2B740 до U + 2B81D. Unicode 6.0 (2010).

5) Блок CJKUI Ext E.

Скоро будет

Если выше не достаточно спагетти, посмотрите известные проблемы. Удачи =)

Ответ 3

Точные диапазоны для китайских символов (кроме расширений): [\u2E80-\u2FD5\u3190-\u319f\u3400-\u4DBF\u4E00-\u9FCC\uF900-\uFAAD].

1. [\u2E80-\u2fd5]

Дополнение радикалов CJK - это блок Unicode, содержащий альтернативные, часто позиционные формы радикалов Канси. Они используются заголовками в словарных индексах и других идеографических коллекциях CJK, организованных радикальным ударом.

2. [\u3190-\u319f]

Kanbun - это блок Unicode, содержащий символы аннотации, используемые в японских копиях классических китайских текстов для указания порядка чтения.

3. [\u3400-\u4DBF]

CJK Unified Ideographs Extension-A - это блок Unicode, содержащий редкие идеограммы Хань.

4. [\u4E00-\u9FCC]

CJK Unified Ideographs - это блок Unicode, содержащий наиболее распространенные идеографии CJK, используемые в современном китайском и японском языках.

5. [\uF900-\uFAAD]

Идеографы совместимости с CJK - это блок Unicode, созданный для того, чтобы содержать символы Han, которые были закодированы в нескольких местах в других установленных кодировках символов, в дополнение к их назначениям CJK Unified Ideographs, чтобы сохранить совместимость между Unicode и этими кодировками.

За подробностями обращайтесь сюда, а расширения приведены в других ответах.

Ответ 4

Unicode версия 11.0.0

В Unicode сценарии на китайском, японском и корейском (CJK) имеют общую основу, известную как символы CJK.

Эти диапазоны часто содержат неназначенные или зарезервированные кодовые точки (сосут как U + 2E9A, U + 2EF4 - 2EFF),

Китайские символы

bottom  top     reference(also have a look at wiki page)    block name
4E00    9FEF    http://www.unicode.org/charts/PDF/U4E00.pdf CJK Unified Ideographs
3400    4DBF    http://www.unicode.org/charts/PDF/U3400.pdf CJK Unified Ideographs Extension A
20000   2A6DF   http://www.unicode.org/charts/PDF/U20000.pdf    CJK Unified Ideographs Extension B
2A700   2B73F   http://www.unicode.org/charts/PDF/U2A700.pdf    CJK Unified Ideographs Extension C
2B740   2B81F   http://www.unicode.org/charts/PDF/U2B740.pdf    CJK Unified Ideographs Extension D
2B820   2CEAF   http://www.unicode.org/charts/PDF/U2B820.pdf    CJK Unified Ideographs Extension E
2CEB0   2EBEF   https://www.unicode.org/charts/PDF/U2CEB0.pdf   CJK Unified Ideographs Extension F
3007    3007    https://zh.wiktionary.org/wiki/%E3%80%87    in block CJK Symbols and Punctuation

• В блоке CJK Unified Ideographs я заметил, что во многих ответах используется верхняя граница 9FCC, но U + 9FCD (鿍) действительно является китайским символом. И все символы в этом блоке являются китайскими (также используются на японском, корейском и т.д.).
• Большинство символов в CJK Unified Ideograohs Ext (кроме Ext F, только 17% в Ext F являются китайскими иероглифами), являются традиционными китайскими иероглифами, которые редко используются в Китае.
• Form - это китайская иероглифическая форма нуля, которая все еще используется сегодня

Поэтому диапазон

[0x3007,0x3007], [0x3400,0x4DBF], [0x4E00,0x9FEF], [0x20000,0x2EBFF]

Символы CJK, но никогда не используются на китайском языке

Они обыкновенные ханы используются только для совместимости.

Их практически невозможно увидеть в любой китайской книге, статье, письме и т.д.

все символы здесь имеют один соответствующий глиф-идентичный китайский символ. Такие как 金 (U + F90A) и 金 (U + 91D1), они одинаковы в Glyph.

 F900    FAFF   https://www.unicode.org/charts/PDF/UF900.pdf  CJK Compatibility Ideographs
2F800   2FA1F   https://www.unicode.org/charts/PDF/U2F800.pdf CJK Compatibility Ideographs Supplement

CJK связанные символы

2E80    2EFF    http://www.unicode.org/charts/PDF/U2E80.pdf CJK Radicals Supplement

2F00    2FDF    http://www.unicode.org/charts/PDF/U2F00.pdf Kangxi Radicals 
2FF0    2FFF    https://unicode.org/charts/PDF/U2FF0.pdf    Ideographic Description Character
3000    303F    https://www.unicode.org/charts/PDF/U3000.pdf    CJK Symbols and Punctuation
3100    312f    https://unicode.org/charts/PDF/U3100.pdf    Bopomofo
31A0    31BF    https://unicode.org/charts/PDF/U31A0.pdf    Bopomofo Extended
31C0    31EF    http://www.unicode.org/charts/PDF/U31C0.pdf CJK Strokes
3200    32FF    https://unicode.org/charts/PDF/U3200.pdf    Enclosed CJK Letters and Months
3300    33FF    https://unicode.org/charts/PDF/U3300.pdf    CJK Compatibility
FE30    FE4F    https://www.unicode.org/charts/PDF/UFE30.pdf    CJK Compatibility Forms
FF00    FFEF    https://www.unicode.org/charts/PDF/UFF00.pdf    Halfwidth and Fullwidth Forms
1F200   1F2FF   https://www.unicode.org/charts/PDF/U1F200.pdf   Enclosed Ideographic Supplement

• некоторые блоки, такие как Hangul Compatibility Jamo, оставлены из-за отсутствия отношения к китайскому языку.
• Kangxi Radicals - это не китайские иероглифы, это графическая составляющая китайских символов, они используются специально для выражения радикалов .eg ⼻ (U + 2F3B) и 彳 (U + 5F73), ⻜ (U + 2EDC) и 飞 (U +) 98DE)

Другая распространенная пунктуация появляется на китайском

Это широкий диапазон, некоторые знаки препинания, возможно, никогда не используются, некоторые знаки препинания, такие как ……"", так часто используются в китайском языке.

0000    007F    https://unicode.org/charts/PDF/U0000.pdf    C0 Controls and Basic Latin 
2000    206F    https://unicode.org/charts/PDF/U2000.pdf    General Punctuation
……

Есть также много связанных с китайцами символов, таких как символы гексаграммы Ицзин или Канбун, но это в любом случае не по теме. Я пишу не китайские иероглифы в CJK, чтобы лучше объяснить, что такое китайские иероглифы. И диапазоны выше уже охватывают почти все символы в китайской письменности, кроме математики и других специальных обозначений.

дополнительный

CJK Символы и Пунктуация

　、。〃〄々〆〇〈〉《》「」『』【】〒〓〔〕〖〗〘〙〚〛〜〝〞〟〠〡〢〣〤〥〦〧〨〩〪〭〮〯〫〬〰〱〲〳〴〵〶〷〸〹〺〻〼〽 〾 〿

Полуширина и Полноширинные формы

！＂＃＄％＆＇（）＊＋，－．／０１２３４５６７８９：；＜＝＞？＠ＡＢＣＤＥＦＧＨＩＪＫＬＭＮＯＰＱＲＳＴＵＶＷＸＹＺ［＼］＾＿｀ａｂｃｄｅｆｇｈｉｊｋｌｍｎｏｐｑｒｓｔｕｖｗｘｙｚ｛｜｝～｟｠｡｢｣､･ｦｧｨｩｪｫｬｭｮｯｰｱｲｳｴｵｶｷｸｹｺｻｼｽｾｿﾀﾁﾂﾃﾄﾅﾆﾇﾈﾉﾊﾋﾌﾍﾎﾏﾐﾑﾒﾓﾔﾕﾖﾗﾘﾙﾚﾛﾜﾝﾞﾟﾡﾢﾣﾤﾥﾦﾧﾨﾩﾪﾫﾬﾭﾮﾯﾰﾱﾲﾳﾴﾵﾶﾷﾸﾹﾺﾻﾼﾽﾾￂￃￄￅￆￇￊￋￌￍￎￏￒￓￔￕￖￗￚￛￜ￠￡￢￣￤￥￦￨￩￪￫￬￭￮

обращаться

1. https://zh.wikipedia.org/wiki/%E6%B1%89%E5%AD%97 (на китайском языке обратите внимание на правую боковую панель)
2. https://zh.wikipedia.org/wiki/%E4%B8%AD%E6%97%A5%E9%9F%93%E7%9B%B8%E5%AE%B9%E8%A1%A8%E6 % 84% 8F% E6% 96% 87% E5% AD% 97 (обратите внимание на нижнюю таблицу)
3. http://www.unicode.org

Ответ 5

Коды Unicode блокируют, что остальные ответы, несомненно, охватывают большинство китайских символов Юникода, но также проверяют некоторые из этих других блоков кода.

CJK_UNIFIED_IDEOGRAPHS
CJK_UNIFIED_IDEOGRAPHS_EXTENSION_A
CJK_UNIFIED_IDEOGRAPHS_EXTENSION_B
CJK_UNIFIED_IDEOGRAPHS_EXTENSION_C
CJK_UNIFIED_IDEOGRAPHS_EXTENSION_D
CJK_UNIFIED_IDEOGRAPHS_EXTENSION_E
CJK_COMPATIBILITY
CJK_COMPATIBILITY_FORMS
CJK_COMPATIBILITY_IDEOGRAPHS
CJK_COMPATIBILITY_IDEOGRAPHS_SUPPLEMENT
CJK_RADICALS_SUPPLEMENT
CJK_STROKES
CJK_SYMBOLS_AND_PUNCTUATION
ENCLOSED_CJK_LETTERS_AND_MONTHS
ENCLOSED_IDEOGRAPHIC_SUPPLEMENT
KANGXI_RADICALS
IDEOGRAPHIC_DESCRIPTION_CHARACTERS

Смотрите мое более полное обсуждение здесь. И этот сайт удобен для просмотра Юникода.

Ответ 6

Подводя итог, это звучит так:

var blocks = [
  [0x3400, 0x4DB5],
  [0x4E00, 0x62FF],
  [0x6300, 0x77FF],
  [0x7800, 0x8CFF],
  [0x8D00, 0x9FCC],
  [0x2e80, 0x2fd5],
  [0x3190, 0x319f],
  [0x3400, 0x4DBF],
  [0x4E00, 0x9FCC],
  [0xF900, 0xFAAD],
  [0x20000, 0x215FF],
  [0x21600, 0x230FF],
  [0x23100, 0x245FF],
  [0x24600, 0x260FF],
  [0x26100, 0x275FF],
  [0x27600, 0x290FF],
  [0x29100, 0x2A6DF],
  [0x2A700, 0x2B734],
  [0x2B740, 0x2B81D]
]