如何在Java中生成Unicode“不可变标识符”字符？

Question

我正在尝试验证依赖项是否可以与一些名为Immutable identifier：http://www.unicode.org/reports/tr31/#Immutable_Identifier_Syntax的特定unicode字符一起工作。

“不可变标识符”字符的定义是

Immutable Identifiers: To meet this requirement, an implementation shall define identifiers to be any non-empty string of characters that contains no character having any of the following property values:

Pattern_White_Space=True
Pattern_Syntax=True
General_Category=Private_Use, Surrogate, or Control
Noncharacter_Code_Point=True

我能够弄清楚https://docs.oracle.com/javase/7/docs/api/java/lang/Character.html中的Surrogate、PRIVATE_USE和Control字符是什么，但找不到其余的字符。这个Unicode文档对我来说也有点复杂，所以我没能理解它，找到了那些“不可变标识符”字符的码点范围:(。任何有一些背景的人都能有一些光芒吗？

Answer 1

从Pattern的javadoc开始，特别是(Unicode) classs表。但它也包含Unicode参考链接。

"\\p{Space}"   // Whitespace
"\\p{Punct}"   // Interpunction
"\\p{M}"       // Combined diacritical marks, zero-width accents

还有更多。

此外，您可能希望规范化标识符。"é“可以写成一个Unicode代码点，也可以写成两个代码点:一个拉丁语e和一个零宽度重音。java.text.Normalizer可以做到这一点。压缩(一个代码点)似乎是最好的。

请看一下UAX。

"\\p{Pattern_Syntax}"

不确定，但Pattern_Syntax字符可能包含[]?+*.，所以我认为Pattern_Syntax也可以。