Dlaczego Apache Commons traktuje numer „numer”?

Zgodnie z dokumentacją Apache Commons Lang dla StringUtils.isNumeric(), ciąg „१२३” jest numeryczny.

Ponieważ uważałem, że to może być błąd w dokumentacji, przeprowadziłem testy, aby zweryfikować oświadczenie. Odkryłem, że według Apache Commons jest to numeryczny.

Dlaczego ten ciąg jest numeryczny? Co reprezentują te postacie?

Ponieważ „CharSequence zawiera tylko cyfry Unicode” (cytując połączoną dokumentację ).

Wszystkie znaki zwracają prawdę dla Character.isDigit:

Niektóre zakresy znaków Unicode zawierające cyfry:

• „\ u0030” do „\ u0039”, cyfry ISO-LATIN-1 (od „0” do „9”)
• „\ u0660” do „\ u0669”, cyfry arabsko-indyjskie
• „\ u06F0” do „\ u06F9”, rozszerzone cyfry arabsko-indyjskie
• „\ u0966” do „\ u096F”, cyfry dewanagari
• „\ uFF10” do „\ uFF19”, cyfry o pełnej szerokości

Wiele innych zakresów znaków również zawiera cyfry.

१२३ to cyfry dewanagari:

• १czy DEVANAGARI DIGIT ONE,\u0967
• २czy DEVANAGARI DIGIT TWO,\u0968
• ३czy DEVANAGARI DIGIT THREE,\u0969

Symbol १२३ jest taki sam jak 123 dla języka nepalskiego lub dowolnego innego języka używającego pisma dewanagari, takiego jak hindi, gudżarati itd., I dlatego jest liczbą dla Apache Commons.

Możesz użyć, Character#getTypeaby sprawdzić ogólną kategorię postaci:

System.out.println(Character.DECIMAL_DIGIT_NUMBER == Character.getType('१'));

Zostanie wydrukowane true, co jest „dowodem” na to, że „'” jest liczbą cyfrową .

Przyjrzyjmy się teraz wartości Unicode znaku „१”:

System.out.println(Integer.toHexString('१'));
// 967

Ta liczba mieści się w zakresie cyfr dewanagari - czyli: \u0966do \u096F.

Spróbuj także:

Character.UnicodeBlock block = Character.UnicodeBlock.of('१');
System.out.println(block.toString());
// DEVANAGARI

Devanagari to:

jest alfabetem abugida (alfabetycznym) z Indii i Nepalu

„१२३” to „123” (kod Unicode z łaciny podstawowej).

Czytanie:

• Więcej szczegółów na temat znaku „१”
• StringUtils#isNumeric realizacja

Jeśli kiedykolwiek chcesz wiedzieć, jakie właściwości ma dany „znak” (a jest ich całkiem sporo), przejdź bezpośrednio do źródła: Unicode.org . Mają narzędzia badawcze, które mogą pokazać ci wszystko, co chciałbyś wiedzieć.

• Jeśli chcesz zobaczyć wszystkie właściwości określonej postaci, wypróbuj następujące rozwiązania:

  http://unicode.org/cldr/utility/character.jsp?a=१

  lub:

  http://unicode.org/cldr/utility/character.jsp?a=%E0%A5%A7

• Jeśli chcesz zobaczyć wszystkie znaki sklasyfikowane jako „cyfry dziesiętne” (tj. Z wartościami liczbowymi od 0 do 9), spróbuj wykonać następujące czynności:

  http://unicode.org/cldr/utility/list-unicodeset.jsp?a=[:Numeric_Type=Decimal:]
  ^{(550 punktów kodowych - obecnie / w wersji z Unicode 9.0)}

• Jeśli chcesz zobaczyć wszystkie znaki sklasyfikowane jako „niedziesiętne liczby cyfrowe” (tj. Ułamki, kółka itp.), Spróbuj wykonać następujące czynności:

  http://unicode.org/cldr/utility/list-unicodeset.jsp?a=[:Numeric_Type=Numeric:]
  ^{(836 punktów kodowych - obecnie / w wersji z Unicode 9.0)}

• Jeśli chcesz zobaczyć wszystkie znaki sklasyfikowane jako „cyfry dziesiętne” (tj. Z wartościami liczbowymi od 0 do 9), ale tylko do Unicode 6.0 (którego używa .NET) , spróbuj wykonać następujące czynności:

  http://unicode.org/cldr/utility/list-unicodeset.jsp?a=[:Numeric_Type=Decimal:]%26[:Age=6.0:]
  ^{(420 punktów kodowych - i nie powinno się zmieniać)}

• Jeśli chcesz zobaczyć wszystkie znaki sklasyfikowane jako „cyfry dziesiętne” (tj. Z wartościami liczbowymi od 0 do 9), ale tylko w górę do Unicode 6.0 (którego używa .NET) i tylko na płaszczyźnie podstawowo-wielojęzycznej / bez znaków uzupełniających ( tj. nic powyżej Code Point 65535 / U + 0xFFFF) , spróbuj wykonać następujące czynności:

  http://unicode.org/cldr/utility/list-unicodeset.jsp?a=[:Numeric_Type=Decimal:]%26[:Age=6.0:]%26[:bmp=Yes:]
  ^{(350 punktów kodowych - - i nie powinien się zmieniać)}

PAMIĘTAJ: Konsorcjum Unicode tworzy specyfikację, a nie oprogramowanie. Oznacza to, że do każdego dostawcy oprogramowania należy jak najdokładniejsze wdrożenie specyfikacji . Podobnie jak w przypadku HTML, JavaScript, CSS, SQL itp., Istnieją różnice między różnymi platformami, językami i tak dalej. Na przykład znalazłem błąd w platformie Microsoft .NET Framework, w wyniku którego zakreślone łacińskie litery A-Zoraz a-z- punkty kodowe od 0x24B6 do 0x24E9 - nie są poprawnie rejestrowane jako istnienie char.IsLetter = true( raport o błędzie tutaj ). A to prowadzi do nieoczekiwanego zachowania w powiązanej funkcjonalności, na przykład podczas wywoływania TextInfo.ToTitleCase()metody ( raport o błędzie tutaj ).

Symbole „१२३” pochodzą w rzeczywistości z języka hindi (zasadniczo z języka sanskrytu, tj. Dewanagiri), które reprezentują wartości liczbowe, tak jak:

१ reprezentują 1

२ reprezentują 2

I podobnie