Golang学习 - unicode 包

---

const (
MaxRune = '\U0010FFFF' // Unicode 码点的最大值
ReplacementChar = '\uFFFD' // 表示无效的码点
MaxASCII = '\u007F' // 最大 ASCII 值
MaxLatin1 = '\u00FF' // 最大 Latin-1 值
)

---

// 判断字符 r 是否在 rangtab 范围内。
// 可用的 RangeTable 参见 go/src/unicode/tables.go。
func Is(rangeTab *RangeTable, r rune) bool

// RangeTable 定义一个 Unicode 码点集合，包含 16 位和 32 位两个范围列表。
// 这两个列表必须经过排序而且不能重叠。R32 中只能包含大于 16 位的值。
type RangeTable struct {
R16 []Range16
R32 []Range32
LatinOffset int // R16 中 Hi <= MaxLatin1 的条目数。
}

// Range16 表示一个 16 位的 Unicode 码点范围。范围从 Lo 到 Hi，具有指定的步长。
type Range16 struct {
Lo uint16
Hi uint16
Stride uint16 // 步长
}

// Range32 表示一个 32 位的 Unicode 码点范围。范围从 Lo 到 Hi，具有指定的步长。
// Lo 和 Hi 必须都大于 16 位。
type Range32 struct {
Lo uint32
Hi uint32
Stride uint32 // 步长
}

---

// 判断字符 r 是否为大写格式
func IsUpper(r rune) bool

// 判断字符 r 是否为小写格式
func IsLower(r rune) bool

// 判断字符 r 是否为 Unicode 规定的 Title 字符
// 大部分字符的 Title 格式就是其大写格式
// 只有少数字符的 Title 格式是特殊字符
// 这里判断的就是特殊字符
func IsTitle(r rune) bool

// ToUpper 将字符 r 转换为大写格式
func ToUpper(r rune) rune

// ToLower 将字符 r 转换为小写格式
func ToLower(r rune) rune

// ToTitle 将字符 r 转换为 Title 格式
// 大部分字符的 Title 格式就是其大写格式
// 只有少数字符的 Title 格式是特殊字符
func ToTitle(r rune) rune

// To 将字符 r 转换为指定的格式
// _case 取值：UpperCase、LowerCase、TitleCase
func To(_case int, r rune) rune

---

// 示例：判断汉字
func main() {
    for _, r := range "Hello 世界！" {
        // 判断字符是否为汉字
        if unicode.Is(unicode.Scripts["Han"], r) {
            fmt.Printf("%c", r) // 世界
        }
    }
}

// 更多 unicode.Scripts 取值请参考：http://www.cnblogs.com/golove/p/3269099.html

---

// 示例：判断大小写
func main() {
    for _, r := range "Hello ＡＢＣ！" {
        // 判断字符是否为大写
        if unicode.IsUpper(r) {
            fmt.Printf("%c", r) // HＡＢＣ
        }
    }
    for _, r := range "Hello ａｂｃ！" {
        // 判断字符是否为小写
        if unicode.IsLower(r) {
            fmt.Printf("%c", r) // elloａｂｃ
        }
    }
    for _, r := range "Hello ᾏᾟᾯ！" {
        // 判断字符是否为标题
        if unicode.IsTitle(r) {
            fmt.Printf("%c", r) // ᾏᾟᾯ
        }
    }
}

---

// 示例：输出 Unicode 规定的标题字符
func main() {
    for _, cr := range unicode.Lt.R16 {
        for i := cr.Lo; i <= cr.Hi; i += cr.Stride {
            fmt.Printf("%c", i)
        }
    } // DžLjNjDzᾈᾉᾊᾋᾌᾍᾎᾏᾘᾙᾚᾛᾜᾝᾞᾟᾨᾩᾪᾫᾬᾭᾮᾯᾼῌῼ
}

---

// 示例：转换大小写
func main() {
    s := "Hello 世界！"

    for _, r := range s {
        fmt.Printf("%c", unicode.ToUpper(r))
    } // HELLO 世界！
    for _, r := range s {
        fmt.Printf("%c", unicode.ToLower(r))
    } // hello 世界！
    for _, r := range s {
        fmt.Printf("%c", unicode.ToTitle(r))
    } // HELLO 世界！

    for _, r := range s {
        fmt.Printf("%c", unicode.To(unicode.UpperCase, r))
    } // HELLO 世界！
    for _, r := range s {
        fmt.Printf("%c", unicode.To(unicode.LowerCase, r))
    } // hello 世界！
    for _, r := range s {
        fmt.Printf("%c", unicode.To(unicode.TitleCase, r))
    } // HELLO 世界！
}

---

// ToUpper 将 r 转换为大写格式
// 优先使用指定的映射表 special
// 可用的 SpecialCase 参见 go/src/unicode/casetables.go。
func (special SpecialCase) ToUpper(r rune) rune

// ToLower 将 r 转换为小写格式
// 优先使用指定的映射表 special
func (special SpecialCase) ToLower(r rune) rune

// ToTitle 将 r 转换为 Title 格式
// 优先使用指定的映射表 special
func (special SpecialCase) ToTitle(r rune) rune

// SpecialCase 表示特定语言的大小写映射，比如土耳其语。
// SpecialCase 的方法可以自定义标准映射（通过重写）。
type SpecialCase []CaseRange

// CaseRange 表示一个简单的 Unicode 码点范围，用于大小写转换。
// 在 Lo 和 Hi 范围内的码点，如果要转换成大写，只需要加上 d[0] 即可
// 如果要转换为小写，只需要加上 d[1] 即可，如果要转换为 Title 格式，
// 只需要加上 d[2] 即可。
type CaseRange struct {
Lo uint32
Hi uint32
Delta d // [3]rune
}

// CaseRanges 中 Delta 数组的索引。
const (
UpperCase = iota
LowerCase
TitleCase
MaxCase
)

// 如果一个 CaseRange 中的 Delta 元素是 UpperLower，则表示这个 CaseRange 是
// 一个有着连续的大写小写大写小写的范围。也就是说，Lo 是大写，Lo+1 是小写，
// Lo+2 是大写，Lo+3 是小写 ... 一直到 Hi 为止。
const (
UpperLower = MaxRune + 1 // 不是一个有效的 Delta 元素
)

---

// 示例
func main() {
    s := "Hello 世界！"
    for _, r := range s {
        fmt.Printf("%c", unicode.SpecialCase(unicode.CaseRanges).ToUpper(r))
    } // HELLO 世界！
    for _, r := range s {
        fmt.Printf("%c", unicode.SpecialCase(unicode.CaseRanges).ToLower(r))
    } // hello 世界！
    for _, r := range s {
        fmt.Printf("%c", unicode.SpecialCase(unicode.CaseRanges).ToTitle(r))
    } // HELLO 世界！
}

---

// SimpleFold 在 Unicode 字符表中从字符 r 开始环绕查找（到尾部后再从头开始）
// 下一个与 r 大小写相匹配的字符（一个字符的大写、小写、标题三者视为大小写相
// 匹配），这个函数遵循 Unicode 定义的大小写环绕匹配表。
//
// 例如：
// SimpleFold('A') = 'a'
// SimpleFold('a') = 'A'
//
// SimpleFold('K') = 'k'
// SimpleFold('k') = 'K' (开尔文符号)
// SimpleFold('K') = 'K'
//
// SimpleFold('1') = '1'
func SimpleFold(r rune) rune

---

// 示例：SimpleFold
func main() {
    s := "ΦφϕkKK"
    // 看看 s 里面是什么
    for _, c := range s {
        fmt.Printf("%x  ", c)
    }
    fmt.Println()
    // 大写，小写，标题 | 当前字符 -> 下一个匹配字符
    for _, v := range s {
        fmt.Printf("%c, %c, %c | %c -> %c\n",
            unicode.ToUpper(v),
            unicode.ToLower(v),
            unicode.ToTitle(v),
            v,
            unicode.SimpleFold(v),
        )
    }
}

// 输出结果：
// 3a6  3c6  3d5  6b  4b  212a
// Φ, φ, Φ | Φ -> φ
// Φ, φ, Φ | φ -> ϕ
// Φ, ϕ, Φ | ϕ -> Φ
// K, k, K | k -> K
// K, k, K | K -> k
// K, k, K | K -> K

---

// IsDigit 判断 r 是否为一个十进制的数字字符
func IsDigit(r rune) bool

// IsNumber 判断 r 是否为一个数字字符 (类别 N)
func IsNumber(r rune) bool

// IsLetter 判断 r 是否为一个字母字符 (类别 L)
// 汉字也是一个字母字符
func IsLetter(r rune) bool

// IsSpace 判断 r 是否为一个空白字符
// 在 Latin-1 字符集中，空白字符为：\t, \n, \v, \f, \r,
// 空格, U+0085 (NEL), U+00A0 (NBSP)
// 其它空白字符的定义有“类别 Z”和“Pattern_White_Space 属性”
func IsSpace(r rune) bool

// IsControl 判断 r 是否为一个控制字符
// Unicode 类别 C 包含更多字符，比如代理字符
// 使用 Is(C, r) 来测试它们
func IsControl(r rune) bool

// IsGraphic 判断字符 r 是否为一个“图形字符”
// “图形字符”包括字母、标记、数字、标点、符号、空格
// 他们分别对应于 L、M、N、P、S、Zs 类别
// 这些类别是 RangeTable 类型，存储了相应类别的字符范围
func IsGraphic(r rune) bool

// IsPrint 判断字符 r 是否为 Go 所定义的“可打印字符”
// “可打印字符”包括字母、标记、数字、标点、符号和 ASCII 空格
// 他们分别对应于 L, M, N, P, S 类别和 ASCII 空格
// “可打印字符”和“图形字符”基本是相同的，不同之处在于
// “可打印字符”只包含 Zs 类别中的 ASCII 空格（U+0020）
func IsPrint(r rune) bool

// IsPunct 判断 r 是否为一个标点字符 (类别 P)
func IsPunct(r rune) bool

// IsSymbol 判断 r 是否为一个符号字符
func IsSymbol(r rune) bool

// IsMark 判断 r 是否为一个 mark 字符 (类别 M)
func IsMark(r rune) bool

// IsOneOf 判断 r 是否在 set 范围内
func IsOneOf(set []*RangeTable, r rune) bool

---

// 示例
func main() {
    fmt.Println() // 数字
    for _, r := range "Hello 123１２３一二三！" {
        if unicode.IsDigit(r) {
            fmt.Printf("%c", r)
        }
    } // 123１２３

    fmt.Println() // 数字
    for _, r := range "Hello 123１２３一二三！" {
        if unicode.IsNumber(r) {
            fmt.Printf("%c", r)
        }
    } // 123１２３

    fmt.Println() // 字母
    for _, r := range "Hello\n\t世界！" {
        if unicode.IsLetter(r) {
            fmt.Printf("%c", r)
        }
    } // Hello世界

    fmt.Println() // 空白
    for _, r := range "Hello \t世　界！\n" {
        if unicode.IsSpace(r) {
            fmt.Printf("%q", r)
        }
    } // ' ''\t''\u3000''\n'

    fmt.Println() // 控制字符
    for _, r := range "Hello\n\t世界！" {
        if unicode.IsControl(r) {
            fmt.Printf("%#q", r)
        }
    } // '\n''\t'

    fmt.Println() // 可打印
    for _, r := range "Hello　世界！\t" {
        if unicode.IsPrint(r) {
            fmt.Printf("%c", r)
        }
    } // Hello世界！

    fmt.Println() // 图形
    for _, r := range "Hello　世界！\t" {
        if unicode.IsGraphic(r) {
            fmt.Printf("%c", r)
        }
    } // Hello　世界！

    fmt.Println() // 掩码
    for _, r := range "Hello ៉៊់៌៍！" {
        if unicode.IsMark(r) {
            fmt.Printf("%c", r)
        }
    } // ៉៊់៌៍

    fmt.Println() // 标点
    for _, r := range "Hello 世界！" {
        if unicode.IsPunct(r) {
            fmt.Printf("%c", r)
        }
    } // ！

    fmt.Println() // 符号
    for _, r := range "Hello (<世=界>)" {
        if unicode.IsSymbol(r) {
            fmt.Printf("%c", r)
        }
    } // <=>
}

---

// 示例：判断汉字和标点
func main() {
    // 将 set 设置为“汉字、标点符号”
    set := []*unicode.RangeTable{unicode.Han, unicode.P}
    for _, r := range "Hello 世界！" {
        if unicode.IsOneOf(set, r) {
            fmt.Printf("%c", r)
        }
    } // 世界！
}

---

// 示例：输出所有 mark 字符
func main() {
    for _, cr := range unicode.M.R16 {
        Lo, Hi, Stride := rune(cr.Lo), rune(cr.Hi), rune(cr.Stride)
        for i := Lo; i >= Lo && i <= Hi; i += Stride {
            if unicode.IsMark(i) {
                fmt.Printf("%c", i)
            }
        }
    }
}

---