یونیکد unicode
اطلاعات یونیکد دربارهی هر نویسه: دسته، خط، جهت نوشتن، حروف بزرگ و کوچک، تجزیه و ترکیب.
واردسازی یونیکد
نام آرگومانها شناسهی خود کد است و معادل فارسی ندارد؛ گونهها، کلیدواژهها و نام بستهها با معادل فارسی نوشته میشوند.
یونیکد به هر نویسهی همهی خطهای دنیا یک عدد داده که به آن «کدنقطه» میگویند؛ «ش» عدد ۱۵۸۸ است و «A» عدد ۶۵. بستهی یونیکد برای هر کدنقطه میگوید چه نوع نویسهای است: حرف است یا رقم، از کدام خط است، از راست به چپ نوشته میشود یا از چپ به راست، و شکل بزرگ یا کوچکش چیست.
بیشتر وقتها تابعهای بستهی رشته کافیاند و خودشان از همین بسته استفاده میکنند. این بسته برای وقتی است که خودتان متن را نویسه به نویسه بررسی میکنید؛ مثلاً در یک تجزیهگر، یک ویرایشگر یا ابزاری برای پاکسازی متن فارسی. دادهها از پایگاه دادهی رسمی یونیکد، نسخهی ۱۶، ساخته شدهاند.
برای گرفتن کدنقطههای یک رشته، رشته.کدنقطه ها را به کار ببرید.
دو نکته را در نظر داشته باشید:
- هر نقطهی کد لزوماً همان چیزی نیست که خواننده یک حرف میبیند. «کَ» دو نقطهی کد است و شکلک خانواده هفت تا؛
رشته.خوشه هادر این سطح کار میکند. به بزرگ،به کوچکوبه عنوانینگاشت سادهی یکبهیکاند؛ پس نویسهای که شکل بزرگش دو حرف است همانطور میماند:ßهمانßمیماند. برای مقایسهی متن بدون حساسیت به بزرگی حرف، بهجای مقایسهی نسخههای بزرگشده، تاکردن کاملی را به کار ببرید کهرشته.یکسان بدون حساسیتبر پایهاش کار میکند.
شمردن گونههای نویسه
یک حلقه روی رشته.کدنقطه ها با تابعهای ... است هر نویسه را در یک دسته میگذارد. دستهها از پایگاه دادهی یونیکد میآیند، پس برای همهی خطها با هم کار میکنند: رقمهای فارسی رقم شمرده میشوند، ویرگول فارسی ، نشانهی نگارشی و کسرهی روی سلامِ نشانه.
واردسازی یونیکد
واردسازی رشته
تابع ریشه:
متن := "Salam 2026! سلامِ ۱۴۰۵، café (ok)"
کدها := رشته.کدنقطه ها(متن)
دیرکن کدها.آزادکن()
ناپایا حرفها := ۰
ناپایا رقمها := ۰
ناپایا فاصلهها := ۰
ناپایا نشانهگذاری := ۰
ناپایا اعراب := ۰
هر کد در کدها:
اگر یونیکد.حرف است(کد):
حرفها++
وگرنه یونیکد.رقم است(کد):
رقمها++
وگرنه یونیکد.فاصله است(کد):
فاصلهها++
وگرنه یونیکد.نشانه نگارشی است(کد):
نشانهگذاری++
وگرنه یونیکد.نشانه است(کد):
اعراب++
پایان
پایان
سرچاپ "نقطههای کد:"، کدها.طول()
سرچاپ "حرف:"، حرفها، "رقم:"، رقمها، "فاصله:"، فاصلهها
سرچاپ "نشانهی نگارشی:"، نشانهگذاری، "نشانه:"، اعراب
پایانترتیب بررسیها فقط برای نویسهای مهم است که در دو گروه باشد؛ حرف، رقم، فاصله، نشانهی نگارشی و نشانه همپوشانی ندارند. برای جزئیات بیشتر، دسته یکی از ۳۰ دستهی کلی را برمیگرداند که با ثابتهایی مثل دسته حرف دیگر مقایسه میشود، و نام دسته رمز دوحرفی آن را.
حدس زدن جهت یک خط
وقتی صفحهای متن نوشتهی کاربران را نشان میدهد، هر بند به dir="rtl" یا dir="ltr" نیاز دارد. قاعدهی رایج، همان که مرورگر برای dir="auto" به کار میبرد، این است که جهت نخستین نویسهی قوی را بگیرید. رده دوسویه این رده را میدهد: رده دوسویه چپ به راست برای چپبهراست، رده دوسویه راست به چپ برای عبری و رده دوسویه عربی برای خط عربی و فارسی.
واردسازی یونیکد
واردسازی رشته
تابع جهت(متن: رشته): رشته:
کدها := رشته.کدنقطه ها(متن)
دیرکن کدها.آزادکن()
هر کد در کدها:
رده := یونیکد.رده دوسویه(کد)
اگر رده == یونیکد.رده دوسویه چپ به راست:
برگشت "ltr"
پایان
اگر رده == یونیکد.رده دوسویه راست به چپ یا رده == یونیکد.رده دوسویه عربی:
برگشت "rtl"
پایان
پایان
برگشت "خنثی"
پایان
تابع ریشه:
هر خط در ["Hello"، "سلام دنیا"، "۲۰۲۶: سال نو"، "(42) Answer"، "!!! ۱۲۳"، "שלום"]:
سرچاپ جهت(خط)، "|"، خط
پایان
پایانرقم، فاصله و نشانهی نگارشی ضعیف یا خنثیاند، پس ۲۰۲۶: سال نو راستبهچپ است چون نخستین حرفش فارسی است. خطی که هیچ حرفی ندارد جهتی از خودش ندارد؛ جهت صفحهی پیرامونش را به آن بدهید. برای چیدن یک بند کامل آمیخته، bidi را ببینید که کل الگوریتم را اجرا میکند.
پیدا کردن خطهای آمیخته در نام کاربری
بعضی حرفهای خطهای مختلف شبیه هماند: а سیریلیک همان a لاتین نیست، ولی pаypal با یک حرف سیریلیک درست مثل نام واقعی دیده میشود. فرم ثبتنام میتواند نامهایی را که خطها را با هم آمیختهاند رد کند. خط خط هر نقطهی کد را میدهد؛ خط مشترک (رقم، نشانهی نگارشی، _) و خط موروثی (نشانههای ترکیبی) را رد کنید، چون به همهی خطها تعلق دارند.
واردسازی یونیکد
واردسازی رشته
تابع خطهای نام(نام: رشته): وکتور<رشته>:
ناپایا یافتهها := وکتور {} برگردان وکتور<رشته>
کدها := رشته.کدنقطه ها(نام)
دیرکن کدها.آزادکن()
هر کد در کدها:
خ := یونیکد.خط(کد)
اگر خ == یونیکد.خط مشترک یا خ == یونیکد.خط موروثی:
گذر
پایان
نام خط := یونیکد.نام خط(کد)
ناپایا دیده شده := نادرست
هر ی در یافتهها:
اگر ی == نام خط:
دیده شده = درست
پایان
پایان
اگر وارونه دیده شده:
یافتهها.بیفزا(نام خط)
پایان
پایان
برگشت یافتهها
پایان
تابع ریشه:
هر نام در ["paypal"، "pаypal"، "علی_2000"، "Reza۱۳۷۰"]:
خ := خطهای نام(نام)
داوری := خ.طول() > ۱ ? "آمیخته، بررسی شود" : "درست"
سرچاپ نام، خ، داوری
خ.آزادکن()
پایان
پایاننام آخر یک دام را نشان میدهد: رقمهای فارسی ۱۳۷۰ جزو خط عربیاند، در حالی که رقمهای انگلیسی مشترکاند. اینکه نام لاتین با رقم فارسی پذیرفته شود یا نه تصمیم شماست؛ تابع فقط واقعیت را گزارش میکند. گریز а حرف سیریلیک را در کد مینویسد تا ببینید آنجاست.
برداشتن اعراب و نشانهها
در یک جستوجوی آسانگیر، café باید با cafe جور شود. تجزیهی متعارف é را به e و یک نشانهی ترکیبی میشکند؛ همهی نشانهها را دور بریزید و بقیه را نگه دارید. طول تجزیه میگوید یک نقطهی کد به چند جزء تجزیه میشود، و اگر تجزیه نشود صفر، و تجزیه در هر جزء را برمیگرداند.
واردسازی یونیکد
واردسازی رشته
تابع حذف نشانهها(متن: رشته): رشته:
ناپایا ب := رشته.سازنده()
دیرکن رشته.آزادسازی بافر(ب)
کدها := رشته.کدنقطه ها(متن)
دیرکن کدها.آزادکن()
هر کد در کدها:
ت := یونیکد.طول تجزیه(کد)
اگر ت == ۰:
اگر وارونه یونیکد.نشانه است(کد):
رشته.افزودن کدنقطه به بافر(ب، کد)
پایان
گذر
پایان
تکرار ت در ک:
جزء := یونیکد.تجزیه در(کد، ک)
اگر وارونه یونیکد.نشانه است(جزء):
رشته.افزودن کدنقطه به بافر(ب، جزء)
پایان
پایان
پایان
برگشت رشته.رشته بافر(ب)
پایان
تابع ریشه:
سرچاپ حذف نشانهها("کِتابُ الْعَرَبِیَّة")
سرچاپ حذف نشانهها("آموزشِ زبانِ برنامهنویسیِ سلام")
سرچاپ حذف نشانهها("café crème brûlée")
پایاناعراب عربی برداشته میشوند، که جستوجو معمولاً همین را میخواهد. اما به خط دوم نگاه کنید: آ به ا و یک مد تجزیه میشود، پس مد هم برداشته میشود و آموزش به اموزش تبدیل میشود. این برای فارسی غلط است. برای متن فارسی و عربی از عربی استفاده کنید که پرچم حذف اعراب آن اعراب را برمیدارد و به حرفهایی مثل آ دست نمیزند، و برای کل رشته بهجای تجزیهی دستیِ یکمرحلهای، ترکیب متعارف و تجزیه متعارف از رشته را به کار ببرید.
بزرگ کردن حرف در همهی خطها
رشته.بزرگ و رشته.کوچک فقط حرفهای ASCII را عوض میکنند؛ این کار سریع است و برای کلیدواژه و کد کافی، اما ü و حرفهای سیریلیک و یونانی را دستنخورده میگذارد. برای عوض کردن بزرگی حرف در هر خطی، هر نقطهی کد را با به بزرگ یا به کوچک تبدیل کنید و نتیجه را دوباره بسازید.
واردسازی یونیکد
واردسازی رشته
تابع همه بزرگ(متن: رشته): رشته:
ناپایا ب := رشته.سازنده()
دیرکن رشته.آزادسازی بافر(ب)
کدها := رشته.کدنقطه ها(متن)
دیرکن کدها.آزادکن()
هر کد در کدها:
رشته.افزودن کدنقطه به بافر(ب، یونیکد.به بزرگ(کد))
پایان
برگشت رشته.رشته بافر(ب)
پایان
تابع ریشه:
هر شهر در ["Zürich"، "São Paulo"، "Москва"، "Αθήνα"، "Straße"]:
سرچاپ رشته.بزرگ(شهر)، "|"، همه بزرگ(شهر)
پایان
پایانستون چپ رشته.بزرگ است و ستون راست تبدیل تکتک نقطههای کد. خط آخر مرز نگاشت ساده را نشان میدهد: ß شکل بزرگ تکحرفی ندارد، پس همانطور میماند. فارسی و عربی بزرگ و کوچک ندارند و این تابعها حرفهایشان را بیتغییر برمیگردانند.
پایاها و متغیرها
نیم فاصله ZWNJ
پایا نیم فاصله: صحیح۳۲ = 8204واردسازی یونیکد
تابع ریشه:
سرچاپ یونیکد.نیم فاصله، یونیکد.پیونددهنده بی عرض، یونیکد.بیشترین کدنقطه
سرچاپ "یونیکد", یونیکد.نسخه
پایانپیونددهنده بی عرض ZWJ
پایا پیونددهنده بی عرض: صحیح۳۲ = 8205نمونهی این مورد همراه با موارد بالاتر آمده است: unicode-ZWNJ.salam
بیشترین کدنقطه MaxCodePoint
پایا بیشترین کدنقطه: صحیح۳۲ = 1114111نمونهی این مورد همراه با موارد بالاتر آمده است: unicode-ZWNJ.salam
ثابتهای هجای هانگول Hangul…
| نام | انگلیسی | مقدار |
|---|---|---|
| پایه هجای هانگول | HangulSBase | 44032 |
| پایه صامت آغازی هانگول | HangulLBase | 4352 |
| پایه مصوت هانگول | HangulVBase | 4449 |
| پایه صامت پایانی هانگول | HangulTBase | 4519 |
| شمار صامت آغازی هانگول | HangulLCount | 19 |
| شمار مصوت هانگول | HangulVCount | 21 |
| شمار صامت پایانی هانگول | HangulTCount | 28 |
| شمار هجای یک صامت هانگول | HangulNCount | 588 |
| شمار هجای هانگول | HangulSCount | 11172 |
واردسازی یونیکد
تابع ریشه:
ل := ۱۸
و۱ := ۰
ت := ۴
هجا := یونیکد.پایه هجای هانگول + (ل * یونیکد.شمار مصوت هانگول + و۱) * یونیکد.شمار صامت پایانی هانگول + ت
سرچاپ هجا
سرچاپ یونیکد.شمار هجای یک صامت هانگول، یونیکد.شمار هجای هانگول
سرچاپ یونیکد.پایه صامت آغازی هانگول، یونیکد.پایه مصوت هانگول، یونیکد.پایه صامت پایانی هانگول
سرچاپ یونیکد.شمار صامت آغازی هانگول
پایاننسخه Version
پایا نسخه: رشته = "16.0.0"نمونهی این مورد همراه با موارد بالاتر آمده است: unicode-ZWNJ.salam
بیشترین طول تاشدن MaxFoldLen
پایا بیشترین طول تاشدن: صحیح۳۲ = 3واردسازی یونیکد
تابع ریشه:
سرچاپ یونیکد.به بزرگ(۹۴۵)، یونیکد.به کوچک(۹۱۳)، یونیکد.به عنوانی(۴۵۴)، یونیکد.به تاشده(۹۱۳)
سرچاپ یونیکد.به بزرگ(۱۵۸۸)
ک := ۲۲۳
سرچاپ یونیکد.تاشدن بلند دارد(ک)، یونیکد.طول تاشدن بلند(ک)
تکرار یونیکد.طول تاشدن بلند(ک) در ای:
چاپ یونیکد.تاشدن بلند در(ک، ای)، ""
پایان
سرچاپ ""
سرچاپ یونیکد.بیشترین طول تاشدن
پایاندستههای کلی نویسه Cat…
دسته یکی از این عددها را برمیگرداند و نام دسته نام کوتاه دوحرفیاش را (مثل Lo). دستههایی که حرف اولشان یکی است پشتسرهم شمارهگذاری شدهاند.| نام | انگلیسی | مقدار |
|---|---|---|
| دسته حرف بزرگ | CatLu | 0 |
| دسته حرف کوچک | CatLl | 1 |
| دسته حرف عنوانی | CatLt | 2 |
| دسته حرف تغییردهنده | CatLm | 3 |
| دسته حرف دیگر | CatLo | 4 |
| دسته نشانه بی فاصله | CatMn | 5 |
| دسته نشانه فاصله دار | CatMc | 6 |
| دسته نشانه دربرگیرنده | CatMe | 7 |
| دسته رقم دهدهی | CatNd | 8 |
| دسته عدد حرفی | CatNl | 9 |
| دسته عدد دیگر | CatNo | 10 |
| دسته نشانه اتصال | CatPc | 11 |
| دسته خط تیره | CatPd | 12 |
| دسته نشانه باز | CatPs | 13 |
| دسته نشانه بسته | CatPe | 14 |
| دسته نقل قول آغازین | CatPi | 15 |
| دسته نقل قول پایانی | CatPf | 16 |
| دسته نشانه نگارشی دیگر | CatPo | 17 |
| دسته نماد ریاضی | CatSm | 18 |
| دسته نماد پول | CatSc | 19 |
| دسته نماد تغییردهنده | CatSk | 20 |
| دسته نماد دیگر | CatSo | 21 |
| دسته جداکننده فاصله | CatZs | 22 |
| دسته جداکننده خط | CatZl | 23 |
| دسته جداکننده بند | CatZp | 24 |
| دسته کنترلی | CatCc | 25 |
| دسته قالبی | CatCf | 26 |
| دسته جانشین | CatCs | 27 |
| دسته کاربرد خصوصی | CatCo | 28 |
| دسته تعریف نشده | CatCn | 29 |
واردسازی یونیکد
تابع ریشه:
هر ک در [۶۵، ۱۵۸۸، ۱۷۷۶، ۱۶۱۴، ۸۲۰۴، ۱۲۲۸۸، ۸۸۸]:
سرچاپ ک، یونیکد.نام دسته(ک)، یونیکد.دسته(ک)، یونیکد.تخصیص یافته است(ک)
پایان
سرچاپ یونیکد.دسته(۱۵۸۸) == یونیکد.دسته حرف دیگر
پایانردههای شکست خوشه Gcb…
شکست خوشه برمیگرداند. بستهی رشته با آنها تشخیص میدهد کجای متن مرز یک «حرف دیدهشده» است؛ مثلاً یک حرف و اعرابش، یا یک شکلک ترکیبی، یک خوشهاند.| نام | انگلیسی | مقدار |
|---|---|---|
| شکست خوشه دیگر | GcbOther | 0 |
| شکست خوشه سی آر | GcbCR | 1 |
| شکست خوشه ال اف | GcbLF | 2 |
| شکست خوشه کنترلی | GcbControl | 3 |
| شکست خوشه گسترش | GcbExtend | 4 |
| شکست خوشه پیونددهنده بی عرض | GcbZWJ | 5 |
| شکست خوشه نشانگر منطقه | GcbRegionalIndicator | 6 |
| شکست خوشه پیشوندی | GcbPrepend | 7 |
| شکست خوشه نشانه فاصله دار | GcbSpacingMark | 8 |
| شکست خوشه هانگول ال | GcbL | 9 |
| شکست خوشه هانگول وی | GcbV | 10 |
| شکست خوشه هانگول تی | GcbT | 11 |
| شکست خوشه هانگول ال وی | GcbLV | 12 |
| شکست خوشه هانگول ال وی تی | GcbLVT | 13 |
| شکست خوشه تصویرک | GcbExtendedPictographic | 14 |
واردسازی یونیکد
تابع ریشه:
سرچاپ یونیکد.شکست خوشه(۱۶۱۴) == یونیکد.شکست خوشه گسترش
سرچاپ یونیکد.شکست خوشه(۸۲۰۵) == یونیکد.شکست خوشه پیونددهنده بی عرض
سرچاپ یونیکد.شکست خوشه(۱۲۸۵۱۲) == یونیکد.شکست خوشه تصویرک
سرچاپ یونیکد.شکست خوشه(۱۰)، یونیکد.شکست خوشه(۶۵)
سرچاپ یونیکد.شکست پیوند(۲۳۲۵) == یونیکد.شکست پیوند صامت، یونیکد.شکست پیوند(۲۳۸۱) == یونیکد.شکست پیوند پیونددهنده
پایانردههای شکست پیوند Incb…
شکست پیوند برمیگرداند. این قاعده صامتهایی را که در خطهای هندی با نشانهی ویرام به هم پیوستهاند در یک خوشه نگه میدارد.| نام | انگلیسی | مقدار |
|---|---|---|
| شکست پیوند هیچ | IncbNone | 0 |
| شکست پیوند صامت | IncbConsonant | 1 |
| شکست پیوند گسترش | IncbExtend | 2 |
| شکست پیوند پیونددهنده | IncbLinker | 3 |
نمونهی این مورد همراه با موارد بالاتر آمده است: unicode-GraphemeBreak.salam
ردههای دوسویه Bc…
رده دوسویه برمیگرداند و الگوریتم متن دوسویه با آن تصمیم میگیرد هر نویسه در متن آمیختهی فارسی و انگلیسی کجا نمایش داده شود. حرفهای فارسی «عربی» هستند، حرفهای انگلیسی «چپ به راست» و رقمها ردهی خودشان را دارند.| نام | انگلیسی | مقدار |
|---|---|---|
| رده دوسویه چپ به راست | BcL | 0 |
| رده دوسویه راست به چپ | BcR | 1 |
| رده دوسویه عربی | BcAL | 2 |
| رده دوسویه عدد اروپایی | BcEN | 3 |
| رده دوسویه جداکننده عدد اروپایی | BcES | 4 |
| رده دوسویه دنباله عدد اروپایی | BcET | 5 |
| رده دوسویه عدد عربی | BcAN | 6 |
| رده دوسویه جداکننده مشترک عدد | BcCS | 7 |
| رده دوسویه نشانه بی فاصله | BcNSM | 8 |
| رده دوسویه خنثای مرزی | BcBN | 9 |
| رده دوسویه جداکننده بند | BcB | 10 |
| رده دوسویه جداکننده قطعه | BcS | 11 |
| رده دوسویه فاصله سفید | BcWS | 12 |
| رده دوسویه خنثای دیگر | BcON | 13 |
| رده دوسویه جاسازی چپ به راست | BcLRE | 14 |
| رده دوسویه جاسازی راست به چپ | BcRLE | 15 |
| رده دوسویه بازنویسی چپ به راست | BcLRO | 16 |
| رده دوسویه بازنویسی راست به چپ | BcRLO | 17 |
| رده دوسویه برداشتن قالب | BcPDF | 18 |
| رده دوسویه جداسازی چپ به راست | BcLRI | 19 |
| رده دوسویه جداسازی راست به چپ | BcRLI | 20 |
| رده دوسویه جداسازی خودکار | BcFSI | 21 |
| رده دوسویه برداشتن جداسازی | BcPDI | 22 |
واردسازی یونیکد
تابع ریشه:
سرچاپ یونیکد.رده دوسویه(۶۵) == یونیکد.رده دوسویه چپ به راست
سرچاپ یونیکد.رده دوسویه(۱۵۸۸) == یونیکد.رده دوسویه عربی
سرچاپ یونیکد.رده دوسویه(۱۴۸۸) == یونیکد.رده دوسویه راست به چپ
سرچاپ یونیکد.رده دوسویه(۱۷۷۶) == یونیکد.رده دوسویه عدد اروپایی، یونیکد.رده دوسویه(۱۶۳۲) == یونیکد.رده دوسویه عدد عربی
سرچاپ یونیکد.گونه کروشه جفت(۴۰) == یونیکد.کروشه باز، یونیکد.گونه کروشه جفت(۴۱) == یونیکد.کروشه بسته
سرچاپ یونیکد.کروشه جفت(۴۰)، یونیکد.کروشه جفت(۶۵)
پایانگونههای کروشه Pbt…
گونه کروشه جفت: آیا نویسه کروشهی باز است، بسته، یا اصلاً کروشه نیست.| نام | انگلیسی | مقدار |
|---|---|---|
| کروشه هیچ | PbtNone | 0 |
| کروشه باز | PbtOpen | 1 |
| کروشه بسته | PbtClose | 2 |
نمونهی این مورد همراه با موارد بالاتر آمده است: unicode-BidiClass.salam
شناسهی خطها Script…
خط یکی از اینها را برمیگرداند. حرفهای فارسی و عربی هر دو «خط عربی» هستند. نویسههای «مشترک» مثل رقمها و نشانهها در چند خط به کار میروند و «موروثی» یعنی نویسه خط نویسهی پیش از خودش را میگیرد، مثل اعراب.| نام | انگلیسی | مقدار |
|---|---|---|
| خط ناشناخته | ScriptUnknown | 0 |
| خط مشترک | ScriptCommon | 1 |
| خط لاتین | ScriptLatin | 2 |
| خط یونانی | ScriptGreek | 3 |
| خط سیریلیک | ScriptCyrillic | 4 |
| خط ارمنی | ScriptArmenian | 5 |
| خط عبری | ScriptHebrew | 6 |
| خط عربی | ScriptArabic | 7 |
| خط سریانی | ScriptSyriac | 8 |
| خط تانا | ScriptThaana | 9 |
| خط دواناگری | ScriptDevanagari | 10 |
| خط بنگالی | ScriptBengali | 11 |
| خط گورموکی | ScriptGurmukhi | 12 |
| خط گجراتی | ScriptGujarati | 13 |
| خط اوریا | ScriptOriya | 14 |
| خط تامیل | ScriptTamil | 15 |
| خط تلوگو | ScriptTelugu | 16 |
| خط کانادا | ScriptKannada | 17 |
| خط مالایالم | ScriptMalayalam | 18 |
| خط سینهالا | ScriptSinhala | 19 |
| خط تایلندی | ScriptThai | 20 |
| خط لائوسی | ScriptLao | 21 |
| خط تبتی | ScriptTibetan | 22 |
| خط میانماری | ScriptMyanmar | 23 |
| خط گرجی | ScriptGeorgian | 24 |
| خط هانگول | ScriptHangul | 25 |
| خط حبشی | ScriptEthiopic | 26 |
| خط چروکی | ScriptCherokee | 27 |
| خط بومیان کانادا | ScriptCanadianAboriginal | 28 |
| خط اوغام | ScriptOgham | 29 |
| خط رونی | ScriptRunic | 30 |
| خط خمری | ScriptKhmer | 31 |
| خط مغولی | ScriptMongolian | 32 |
| خط هیراگانا | ScriptHiragana | 33 |
| خط کاتاکانا | ScriptKatakana | 34 |
| خط بوپوموفو | ScriptBopomofo | 35 |
| خط هان | ScriptHan | 36 |
| خط یی | ScriptYi | 37 |
| خط ایتالیایی کهن | ScriptOldItalic | 38 |
| خط گوتیک | ScriptGothic | 39 |
| خط دزرت | ScriptDeseret | 40 |
| خط موروثی | ScriptInherited | 41 |
| خط تاگالوگ | ScriptTagalog | 42 |
| خط هانونو | ScriptHanunoo | 43 |
| خط بوهید | ScriptBuhid | 44 |
| خط تاگبانوا | ScriptTagbanwa | 45 |
| خط لیمبو | ScriptLimbu | 46 |
| خط تای له | ScriptTaiLe | 47 |
| خط خطی ب | ScriptLinearB | 48 |
| خط اوگاریتی | ScriptUgaritic | 49 |
| خط شاوی | ScriptShavian | 50 |
| خط عثمانیا | ScriptOsmanya | 51 |
| خط قبرسی | ScriptCypriot | 52 |
| خط بریل | ScriptBraille | 53 |
| خط بوگیسی | ScriptBuginese | 54 |
| خط قبطی | ScriptCoptic | 55 |
| خط تای لو نو | ScriptNewTaiLue | 56 |
| خط گلاگولیتیک | ScriptGlagolitic | 57 |
| خط تیفیناغ | ScriptTifinagh | 58 |
| خط سیلوتی ناگری | ScriptSylotiNagri | 59 |
| خط فارسی باستان | ScriptOldPersian | 60 |
| خط خروشتی | ScriptKharoshthi | 61 |
| خط بالیایی | ScriptBalinese | 62 |
| خط میخی | ScriptCuneiform | 63 |
| خط فنیقی | ScriptPhoenician | 64 |
| خط پاسپا | ScriptPhagsPa | 65 |
| خط انکو | ScriptNko | 66 |
| خط سوندایی | ScriptSundanese | 67 |
| خط لپچا | ScriptLepcha | 68 |
| خط اول چیکی | ScriptOlChiki | 69 |
| خط وای | ScriptVai | 70 |
| خط سوراشترا | ScriptSaurashtra | 71 |
| خط کایا لی | ScriptKayahLi | 72 |
| خط رجنگ | ScriptRejang | 73 |
| خط لیکیایی | ScriptLycian | 74 |
| خط کاریایی | ScriptCarian | 75 |
| خط لیدیایی | ScriptLydian | 76 |
| خط چام | ScriptCham | 77 |
| خط تای تام | ScriptTaiTham | 78 |
| خط تای ویت | ScriptTaiViet | 79 |
| خط اوستایی | ScriptAvestan | 80 |
| خط هیروگلیف مصری | ScriptEgyptianHieroglyphs | 81 |
| خط سامری | ScriptSamaritan | 82 |
| خط لیسو | ScriptLisu | 83 |
| خط بامون | ScriptBamum | 84 |
| خط جاوهای | ScriptJavanese | 85 |
| خط میتی مایک | ScriptMeeteiMayek | 86 |
| خط آرامی شاهنشاهی | ScriptImperialAramaic | 87 |
| خط عربی جنوبی کهن | ScriptOldSouthArabian | 88 |
| خط پارتی کتیبهای | ScriptInscriptionalParthian | 89 |
| خط پهلوی کتیبهای | ScriptInscriptionalPahlavi | 90 |
| خط ترکی کهن | ScriptOldTurkic | 91 |
| خط کیتی | ScriptKaithi | 92 |
| خط باتاک | ScriptBatak | 93 |
| خط براهمی | ScriptBrahmi | 94 |
| خط مندایی | ScriptMandaic | 95 |
| خط چاکما | ScriptChakma | 96 |
| خط مروئی شکسته | ScriptMeroiticCursive | 97 |
| خط هیروگلیف مروئی | ScriptMeroiticHieroglyphs | 98 |
| خط میائو | ScriptMiao | 99 |
| خط شارادا | ScriptSharada | 100 |
| خط سورا سومپنگ | ScriptSoraSompeng | 101 |
| خط تاکری | ScriptTakri | 102 |
| خط آلبانی قفقاز | ScriptCaucasianAlbanian | 103 |
| خط باسا وا | ScriptBassaVah | 104 |
| خط دوپلویه | ScriptDuployan | 105 |
| خط الباسان | ScriptElbasan | 106 |
| خط گرانتا | ScriptGrantha | 107 |
| خط پاهاو همونگ | ScriptPahawhHmong | 108 |
| خط خوجکی | ScriptKhojki | 109 |
| خط خطی الف | ScriptLinearA | 110 |
| خط مهاجنی | ScriptMahajani | 111 |
| خط مانوی | ScriptManichaean | 112 |
| خط منده کیکاکویی | ScriptMendeKikakui | 113 |
| خط مودی | ScriptModi | 114 |
| خط مرو | ScriptMro | 115 |
| خط عربی شمالی کهن | ScriptOldNorthArabian | 116 |
| خط نبطی | ScriptNabataean | 117 |
| خط پالمیری | ScriptPalmyrene | 118 |
| خط پائو چین هائو | ScriptPauCinHau | 119 |
| خط پرمی کهن | ScriptOldPermic | 120 |
| خط پهلوی زبوری | ScriptPsalterPahlavi | 121 |
| خط سیدهام | ScriptSiddham | 122 |
| خط خداوادی | ScriptKhudawadi | 123 |
| خط تیرهوتا | ScriptTirhuta | 124 |
| خط وارنگ چیتی | ScriptWarangCiti | 125 |
| خط آهوم | ScriptAhom | 126 |
| خط هیروگلیف آناتولی | ScriptAnatolianHieroglyphs | 127 |
| خط حضری | ScriptHatran | 128 |
| خط مولتانی | ScriptMultani | 129 |
| خط مجاری کهن | ScriptOldHungarian | 130 |
| خط نشانهنویسی | ScriptSignWriting | 131 |
| خط ادلم | ScriptAdlam | 132 |
| خط بهایکسوکی | ScriptBhaiksuki | 133 |
| خط مارچن | ScriptMarchen | 134 |
| خط نوا | ScriptNewa | 135 |
| خط اوسیج | ScriptOsage | 136 |
| خط تانگوت | ScriptTangut | 137 |
| خط ماسارام گوندی | ScriptMasaramGondi | 138 |
| خط نوشو | ScriptNushu | 139 |
| خط سویومبو | ScriptSoyombo | 140 |
| خط مربعی زنابازار | ScriptZanabazarSquare | 141 |
| خط دوگرا | ScriptDogra | 142 |
| خط گونجالا گوندی | ScriptGunjalaGondi | 143 |
| خط ماکاسار | ScriptMakasar | 144 |
| خط مدفایدرین | ScriptMedefaidrin | 145 |
| خط حنیفی روهینگیا | ScriptHanifiRohingya | 146 |
| خط سغدی | ScriptSogdian | 147 |
| خط سغدی کهن | ScriptOldSogdian | 148 |
| خط عیلامی | ScriptElymaic | 149 |
| خط ناندیناگری | ScriptNandinagari | 150 |
| خط نیاکنگ پواچو همونگ | ScriptNyiakengPuachueHmong | 151 |
| خط وانچو | ScriptWancho | 152 |
| خط خوارزمی | ScriptChorasmian | 153 |
| خط دیوس آکورو | ScriptDivesAkuru | 154 |
| خط ختایی کوچک | ScriptKhitanSmallScript | 155 |
| خط ایزدی | ScriptYezidi | 156 |
| خط قبرسی مینوسی | ScriptCyproMinoan | 157 |
| خط اویغوری کهن | ScriptOldUyghur | 158 |
| خط تانگسا | ScriptTangsa | 159 |
| خط توتو | ScriptToto | 160 |
| خط ویتکوچی | ScriptVithkuqi | 161 |
| خط کاوی | ScriptKawi | 162 |
| خط ناگ موندری | ScriptNagMundari | 163 |
| خط گارای | ScriptGaray | 164 |
| خط گورونگ خما | ScriptGurungKhema | 165 |
| خط کیرات رای | ScriptKiratRai | 166 |
| خط اول اونال | ScriptOlOnal | 167 |
| خط سونوار | ScriptSunuwar | 168 |
| خط تودری | ScriptTodhri | 169 |
| خط تولو تیگالاری | ScriptTuluTigalari | 170 |
واردسازی یونیکد
تابع ریشه:
هر ک در [۶۵، ۱۵۸۸، ۹۴۵، ۲۰۰۱۳، ۱۲۳۵۴، ۱۷۷۶، ۱۶۱۴]:
سرچاپ ک، یونیکد.نام خط(ک)
پایان
سرچاپ یونیکد.خط(۱۵۸۸) == یونیکد.خط عربی، یونیکد.خط(۶۵) == یونیکد.خط لاتین
سرچاپ یونیکد.خط(۶۶۴۶۴) == یونیکد.خط فارسی باستان، یونیکد.نام خط(۶۶۴۶۴)
پایانتابعها
دسته Category
تابع دسته(cp: صحیح): صحیحنمونهی این مورد همراه با موارد بالاتر آمده است: unicode-Category.salam
نام دسته CategoryName
تابع نام دسته(cp: صحیح): رشتهLo برای حرف فارسی و Nd برای رقم.نمونهی این مورد همراه با موارد بالاتر آمده است: unicode-Category.salam
تخصیص یافته است IsAssigned
تابع تخصیص یافته است(cp: صحیح): منطقینمونهی این مورد همراه با موارد بالاتر آمده است: unicode-Category.salam
حرف است IsLetter
تابع حرف است(cp: صحیح): منطقیواردسازی یونیکد
تابع ریشه:
سرچاپ یونیکد.حرف است(۱۵۸۸)، یونیکد.الفبایی است(۱۶۱۴)، یونیکد.حرف است(۱۶۱۴)
سرچاپ یونیکد.بزرگ است(۹۱۵)، یونیکد.کوچک است(۹۴۷)، یونیکد.عنوانی است(۴۵۳)
سرچاپ یونیکد.نشانه است(۱۶۱۴)، یونیکد.رقم است(۱۷۷۶)، یونیکد.عدد است(۸۵۴۴)، یونیکد.رقم است(۸۵۴۴)
سرچاپ یونیکد.الفبایی عددی است(۱۷۷۶)، یونیکد.نشانه نگارشی است(۱۵۴۸)، یونیکد.نماد است(۶۵۰۲۰)
سرچاپ یونیکد.فاصله است(۱۲۲۸۸)، یونیکد.کنترلی است(۱۰)، یونیکد.قالبی است(۸۲۰۴)، یونیکد.کنترل اتصال است(۸۲۰۴)
پایانالفبایی است IsAlphabetic
تابع الفبایی است(cp: صحیح): منطقیحرف است، ولی گستردهتر: اعرابی که بخشی از خواندن حرفاند را هم حرف حساب میکند. بیشتر وقتها منظور از «حرف است؟» همین است.نمونهی این مورد همراه با موارد بالاتر آمده است: unicode-IsLetter.salam
بزرگ است IsUpper
تابع بزرگ است(cp: صحیح): منطقینمونهی این مورد همراه با موارد بالاتر آمده است: unicode-IsLetter.salam
کوچک است IsLower
تابع کوچک است(cp: صحیح): منطقینمونهی این مورد همراه با موارد بالاتر آمده است: unicode-IsLetter.salam
عنوانی است IsTitle
تابع عنوانی است(cp: صحیح): منطقینمونهی این مورد همراه با موارد بالاتر آمده است: unicode-IsLetter.salam
نشانه است IsMark
تابع نشانه است(cp: صحیح): منطقینمونهی این مورد همراه با موارد بالاتر آمده است: unicode-IsLetter.salam
رقم است IsDigit
تابع رقم است(cp: صحیح): منطقینمونهی این مورد همراه با موارد بالاتر آمده است: unicode-IsLetter.salam
عدد است IsNumber
تابع عدد است(cp: صحیح): منطقیرقم است.نمونهی این مورد همراه با موارد بالاتر آمده است: unicode-IsLetter.salam
الفبایی عددی است IsAlnum
تابع الفبایی عددی است(cp: صحیح): منطقینمونهی این مورد همراه با موارد بالاتر آمده است: unicode-IsLetter.salam
نشانه نگارشی است IsPunct
تابع نشانه نگارشی است(cp: صحیح): منطقینمونهی این مورد همراه با موارد بالاتر آمده است: unicode-IsLetter.salam
نماد است IsSymbol
تابع نماد است(cp: صحیح): منطقینمونهی این مورد همراه با موارد بالاتر آمده است: unicode-IsLetter.salam
فاصله است IsSpace
تابع فاصله است(cp: صحیح): منطقینمونهی این مورد همراه با موارد بالاتر آمده است: unicode-IsLetter.salam
کنترلی است IsControl
تابع کنترلی است(cp: صحیح): منطقینمونهی این مورد همراه با موارد بالاتر آمده است: unicode-IsLetter.salam
قالبی است IsFormat
تابع قالبی است(cp: صحیح): منطقینمونهی این مورد همراه با موارد بالاتر آمده است: unicode-IsLetter.salam
کنترل اتصال است IsJoinControl
تابع کنترل اتصال است(cp: صحیح): منطقینمونهی این مورد همراه با موارد بالاتر آمده است: unicode-IsLetter.salam
به بزرگ ToUpper
تابع به بزرگ(cp: صحیح): صحیحنمونهی این مورد همراه با موارد بالاتر آمده است: unicode-ToUpper.salam
به کوچک ToLower
تابع به کوچک(cp: صحیح): صحیحنمونهی این مورد همراه با موارد بالاتر آمده است: unicode-ToUpper.salam
به عنوانی ToTitle
تابع به عنوانی(cp: صحیح): صحیحنمونهی این مورد همراه با موارد بالاتر آمده است: unicode-ToUpper.salam
به تاشده ToFold
تابع به تاشده(cp: صحیح): صحیحنمونهی این مورد همراه با موارد بالاتر آمده است: unicode-ToUpper.salam
تاشدن بلند دارد HasFullFold
تابع تاشدن بلند دارد(cp: صحیح): منطقینمونهی این مورد همراه با موارد بالاتر آمده است: unicode-ToUpper.salam
طول تاشدن بلند FullFoldLen
تابع طول تاشدن بلند(cp: صحیح): صحیحنمونهی این مورد همراه با موارد بالاتر آمده است: unicode-ToUpper.salam
تاشدن بلند در FullFoldAt
تابع تاشدن بلند در(cp: صحیح، k: صحیح): صحیحk از تاشدن کامل نویسه.نمونهی این مورد همراه با موارد بالاتر آمده است: unicode-ToUpper.salam
رده ترکیبی CombiningClass
تابع رده ترکیبی(cp: صحیح): صحیحواردسازی یونیکد
تابع ریشه:
آ := ۱۵۷۰
سرچاپ یونیکد.طول تجزیه(آ)، یونیکد.تجزیه در(آ، ۰)، یونیکد.تجزیه در(آ، ۱)
سرچاپ یونیکد.ترکیب(۱۵۷۵، ۱۶۱۹)، یونیکد.ترکیب(۱۵۷۵، ۶۵)
سرچاپ یونیکد.رده ترکیبی(۱۶۱۴)، یونیکد.رده ترکیبی(۱۶۱۶)، یونیکد.رده ترکیبی(۱۵۷۵)
لا := ۶۵۲۷۱
سرچاپ یونیکد.طول تجزیه(لا)، یونیکد.طول تجزیه سازگاری(لا)
سرچاپ یونیکد.تجزیه سازگاری در(لا، ۰)، یونیکد.تجزیه سازگاری در(لا، ۱)
پایانطول تجزیه DecompLen
تابع طول تجزیه(cp: صحیح): صحیحنمونهی این مورد همراه با موارد بالاتر آمده است: unicode-Decomp.salam
تجزیه در DecompAt
تابع تجزیه در(cp: صحیح، k: صحیح): صحیحk از تجزیهی متعارف نویسه.نمونهی این مورد همراه با موارد بالاتر آمده است: unicode-Decomp.salam
طول تجزیه سازگاری CompatDecompLen
تابع طول تجزیه سازگاری(cp: صحیح): صحیحنمونهی این مورد همراه با موارد بالاتر آمده است: unicode-Decomp.salam
تجزیه سازگاری در CompatDecompAt
تابع تجزیه سازگاری در(cp: صحیح، k: صحیح): صحیحk از تجزیهی سازگاری.نمونهی این مورد همراه با موارد بالاتر آمده است: unicode-Decomp.salam
ترکیب Compose
تابع ترکیب(a: صحیح، b: صحیح): صحیحنمونهی این مورد همراه با موارد بالاتر آمده است: unicode-Decomp.salam
شکست خوشه GraphemeBreak
تابع شکست خوشه(cp: صحیح): صحیحنمونهی این مورد همراه با موارد بالاتر آمده است: unicode-GraphemeBreak.salam
شکست پیوند ConjunctBreak
تابع شکست پیوند(cp: صحیح): صحیحنمونهی این مورد همراه با موارد بالاتر آمده است: unicode-GraphemeBreak.salam
رده دوسویه BidiClass
تابع رده دوسویه(cp: صحیح): صحیحنمونهی این مورد همراه با موارد بالاتر آمده است: unicode-BidiClass.salam
گونه کروشه جفت PairedBracketType
تابع گونه کروشه جفت(cp: صحیح): صحیحنمونهی این مورد همراه با موارد بالاتر آمده است: unicode-BidiClass.salam
کروشه جفت PairedBracket
تابع کروشه جفت(cp: صحیح): صحیحنمونهی این مورد همراه با موارد بالاتر آمده است: unicode-BidiClass.salam
خط Script
تابع خط(cp: صحیح): صحیحنمونهی این مورد همراه با موارد بالاتر آمده است: unicode-Script.salam
نام خط ScriptName
تابع نام خط(cp: صحیح): رشتهArabic.نمونهی این مورد همراه با موارد بالاتر آمده است: unicode-Script.salam