Java: Как получить Unicode имя символа (или его категорию типа)?

Класс Character в Java определяет методы, которые проверяют данный аргумент char для равенства с определенными символами Unicode или для принадлежности к некоторым типа. Эти символы и категории категорий называются.

Как указано в данном javadoc, примеры для названных символов HORIZONTAL TABULATION, FORM FEED,...;
пример для названных типов категорий - SPACE_SEPARATOR, PARAGRAPH_SEPARATOR,...

Однако, будучи byte или int значениями вместо перечислений, имя этих типов "скрыто" во время выполнения.

Итак, есть возможность получить имена символов и/или типов категорий во время выполнения?

Ответ 1

JDK7 будет иметь

String getName(int codepoint)

function (READ: "статический метод" в классе java.lang.Character), который превратит код в свое официальное имя Unicode.

Javadoc: http://docs.oracle.com/javase/7/docs/api/java/lang/Character.html#getName%28int%29

Ответ 2

Да. Используйте библиотеку ICU4J. У него есть все UCD и API, чтобы получить от него все.

Ответ 3

Класс Character поддерживает информацию о категории. Посмотрите Character.getType(char) для категории. Но я не думаю, вы можете получить имена персонажей.

Ответ 4

Имена стандарт и могут использоваться при определенных ограничения.

Ответ 5

Я разместил здесь реализацию .NET: Поиск имени символа Unicode в .Net

Это должно быть очень легко переносить на Java. Все, что вам нужно, это загрузить базу данных Unicode: http://www.unicode.org/Public/UNIDATA/UnicodeData.txt и эквивалент Java для метода разделения строк и класс словаря, оба который, я уверен, существует на Java.

Это простая альтернатива загрузке некоторой вздутой библиотеки с множеством методов Unicode, которые Java и .NET, возможно, уже поддерживают.

Ответ 6

Для имени символа можно использовать Character.getName(int). Однако для общей категории это не так удобно:

// attach String names to Character constants
Map<Byte, String> unicodeCategories = new HashMap<>();
unicodeCategories.put(Character.COMBINING_SPACING_MARK, "Mc");
unicodeCategories.put(Character.CONNECTOR_PUNCTUATION, "Pc");
unicodeCategories.put(Character.CONTROL, "Cc");
unicodeCategories.put(Character.CURRENCY_SYMBOL, "Sc");
unicodeCategories.put(Character.DASH_PUNCTUATION, "Pd");
unicodeCategories.put(Character.DECIMAL_DIGIT_NUMBER, "Nd");
unicodeCategories.put(Character.ENCLOSING_MARK, "Me");
unicodeCategories.put(Character.END_PUNCTUATION, "Pe");
unicodeCategories.put(Character.FINAL_QUOTE_PUNCTUATION, "Pf");
unicodeCategories.put(Character.FORMAT, "Cf");
unicodeCategories.put(Character.INITIAL_QUOTE_PUNCTUATION, "Pi");
unicodeCategories.put(Character.LETTER_NUMBER, "Nl");
unicodeCategories.put(Character.LINE_SEPARATOR, "Zl");
unicodeCategories.put(Character.LOWERCASE_LETTER, "Ll");
unicodeCategories.put(Character.MATH_SYMBOL, "Sm");
unicodeCategories.put(Character.MODIFIER_LETTER, "Lm");
unicodeCategories.put(Character.MODIFIER_SYMBOL, "Sk");
unicodeCategories.put(Character.NON_SPACING_MARK, "Mn");
unicodeCategories.put(Character.OTHER_LETTER, "Lo");
unicodeCategories.put(Character.OTHER_NUMBER, "No");
unicodeCategories.put(Character.OTHER_PUNCTUATION, "Po");
unicodeCategories.put(Character.OTHER_SYMBOL, "So");
unicodeCategories.put(Character.PARAGRAPH_SEPARATOR, "Zp");
unicodeCategories.put(Character.PRIVATE_USE, "Co");
unicodeCategories.put(Character.SPACE_SEPARATOR, "Zs");
unicodeCategories.put(Character.START_PUNCTUATION, "Ps");
unicodeCategories.put(Character.SURROGATE, "Cs");
unicodeCategories.put(Character.TITLECASE_LETTER, "Lt");
unicodeCategories.put(Character.UNASSIGNED, "Cn");
unicodeCategories.put(Character.UPPERCASE_LETTER, "Lu");
// use the map to extract category name from the constant
char ch = 'a'; // OR int ch = Character.codePointAt("a", 0);
String category = unicodeCategories.get( (byte) (Character.getType(ch) ) );