Unicode 字符名称官方存储库

Question

有几种方法可以获取所有 Unicode 字符名称的列表：例如使用 Python 模块

unicodedata

，如Unicode 字符名称列表中所述，或使用网站：https://unicode .org/charts/charindex.html 但这里不完整，您必须打开并解析 PDF 才能找到名称。

但是所有 Unicode 字符名称的官方来源/存储库是什么？（这样，如果添加新字符，列表就会更新，所以我正在寻找这些名称的初始来源，以机器可读的格式).

我正在寻找仅包含

code point

和

name

的列表，采用 CSV 或任何其他格式：

code   character name
...
0102   LATIN CAPITAL LETTER A WITH BREVE
0103   LATIN SMALL LETTER A WITH BREVE
...

Answer 1

实际字符数据（包括字符名称和许多其他详细信息）的官方来源是 Unicode 字符数据库。

最新版本的数据文件可以通过 http://www.unicode.org/Public/UCD/latest/访问。

具体名称可以在文件

NamesList.txt

中找到。该文件的格式在此描述。

这是 CSV 格式的列表：https://www.unicode.org/Public/UCD/latest/ucd/UnicodeData.txt

Answer 2

CSV 文件位于

https://www.unicode.org/Public/UCD/latest/ucd/UnicodeData.txt

每个命名代码点的数据格式如下：

0041;LATIN CAPITAL LETTER A;Lu;0;L;;;;;N;;;;0061;

如果你想解析最新的 Unicode 字符名称数据库，这里有一个 Ruby 可以做到这一点：

#!/usr/bin/env ruby

require 'net/http'

uri = URI('https://www.unicode.org/Public/UCD/latest/ucd/UnicodeData.txt')
txt = Net::HTTP.get(uri)
txt.split(/\R/).each{|line| 
    fields=line.split(/;/)
    if fields[1][/<[^>]*>/]
        lf=fields[-1][/^N$/] ? "" : fields[-1]
        puts "#{fields[0]} #{fields[1]} #{lf}"
    else
        puts "#{fields[0]} #{fields[1]}"
    end    
    }

或者

curl

和

awk

管道：

awk -F";" '
{   sub(/;*$/,""); $1=$1
    if ($2~"^<.*>$") 
        printf "%s %s %s\n", $1, $2, ($NF~"^N$") ? "" : $NF
    else
        printf "%s %s\n", $1, $2
}' <(curl -s "https://www.unicode.org/Public/UCD/latest/ucd/UnicodeData.txt") 

打印：

0000 <control> NULL
0001 <control> START OF HEADING
0002 <control> START OF TEXT
...
0041 LATIN CAPITAL LETTER A
0042 LATIN CAPITAL LETTER B
0043 LATIN CAPITAL LETTER C
...
00C0 LATIN CAPITAL LETTER A WITH GRAVE
00C1 LATIN CAPITAL LETTER A WITH ACUTE
00C2 LATIN CAPITAL LETTER A WITH CIRCUMFLEX
00C3 LATIN CAPITAL LETTER A WITH TILDE
...