U + 4E00..U + 9FFF faz parte do conjunto completo, mas não todos
U + 4E00..U + 9FFF faz parte do conjunto completo, mas não todos
Respostas:
Pode ser que você encontre uma lista completa no FAQ do CJK Unicode (que inclui caracteres "chineses, japoneses e coreanos")
O documento " Script do Leste Asiático " menciona:
Blocos contendo ideogramas han
Os caracteres ideográficos han são encontrados em cinco blocos principais do padrão Unicode, conforme mostrado na Tabela 12-2
Tabela 12-2. Blocos contendo ideogramas han
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
Nota: os intervalos de blocos podem evoluir com o tempo: o mais recente está nos Ideógrafos Unificados CJK .
Veja também Wikipedia:
Unicode atualmente tem 74605 caracteres CJK. Os caracteres CJK não incluem apenas os caracteres usados pelos chineses, mas também pelos Kanji japoneses, Hanja coreano e Chu Nom vietnamita . Alguns caracteres CJK não são caracteres chineses.
Pontos de código U + 4E00 a U + 9FCC.
Codifique os pontos U + 3400 a U + 4DB5 . Unicode 3.0 (1999).
Codifique os pontos U + 20000 a U + 2A6D6. Unicode 3.1 (2001).
Codifique os pontos U + 2A700 a U + 2B734 . Unicode 5.2 (2009).
Pontos de código U + 2B740 a U + 2B81D . Unicode 6.0 (2010).
Se o que foi dito acima não for espaguete suficiente, dê uma olhada nos problemas conhecidos . Divirta-se =)
Os intervalos exatos de caracteres chineses (exceto as extensões) são [\u2E80-\u2FD5\u3190-\u319f\u3400-\u4DBF\u4E00-\u9FCC\uF900-\uFAAD]
.
O suplemento CJK Radicals é um bloco Unicode que contém formas alternativas, frequentemente posicionais, dos radicais Kangxi. Eles são cabeçalhos usados em índices de dicionário e outras coleções de ideogramas CJK organizadas por traço radical.
Kanbun é um bloco Unicode que contém caracteres de anotação usados em cópias japonesas de textos clássicos chineses para indicar a ordem de leitura.
CJK Unified Ideographs Extension-A é um bloco Unicode contendo ideogramas han raros.
CJK Unified Ideographs é um bloco Unicode que contém os ideogramas CJK mais comuns usados em chinês e japonês modernos.
CJK Compatibility Ideographs é um bloco Unicode criado para conter caracteres Han que foram codificados em vários locais em outras codificações de caracteres estabelecidas, além de suas atribuições CJK Unified Ideographs, a fim de manter a compatibilidade de ida e volta entre Unicode e essas codificações.
Para obter os detalhes, consulte aqui , e as extensões são fornecidas em outras respostas.
Unicode versão 11.0.0
Em Unicode, os scripts chineses, japoneses e coreanos (CJK) compartilham um fundo comum, conhecido coletivamente como caracteres CJK.
Esses intervalos geralmente contêm pontos de código não atribuídos ou reservados (como U + 2E9A , U + 2EF4 - 2EFF),
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
Portanto, o intervalo é
[0x3007,0x3007], [0x3400,0x4DBF], [0x4E00,0x9FEF], [0x20000,0x2EBFF]
Eles são Han comuns usados apenas para compatibilidade.
É quase impossível vê-los aparecer em qualquer livro, artigo, escrita chinesa etc.
todos os caracteres aqui têm um correspondente caractere chinês idêntico ao glifo. Como 金 (U + F90A) e 金 (U + 91D1), eles são idênticos em 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
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
Esta é uma vasta gama, algumas pontuações talvez nunca sejam usadas, algumas pontuações como as que ……”“
são muito usadas em chinês.
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
……
Existem também muitos símbolos relacionados ao chinês, como Yijing Hexagram Symbols ou Kanbun , mas está fora do tópico de qualquer maneira. Escrevo caracteres não-chineses em CJK para ter uma melhor explicação do que são caracteres chineses. E os intervalos acima já cobrem quase todos os caracteres que aparecem na escrita chinesa, exceto matemática e outras notações de especialidade.
Símbolos e pontuação CJK
、。〃〄々〆〇〈〉《》「」『』【】〒〓〔〕〖〗〘〙〚〛〜〝〞〟〠〡〢〣〤〥〦〧〨〩〪〭〮〯〫〬〰〱〲〳〴〵〶〷〸〹〺〻〼〽 〾 〿
Meia largura e formulários de largura total
!"#$%&'()*+,-./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¢£¬ ̄¦¥₩│←↑→↓■○
Os blocos de código Unicode que as outras respostas forneceram certamente cobrem a maioria dos caracteres Unicode chineses, mas verifique alguns desses outros blocos de código também.
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
Veja minha discussão mais completa aqui . E este site é conveniente para navegar em Unicode.
Para resumir, parece que são eles:
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]
]