เหตุใด Apache Commons จึงพิจารณาตัวเลข '१२३'

ตามเอกสารของ Apache Commons Lang สำหรับStringUtils.isNumeric()สตริง '१२३' เป็นตัวเลข

เนื่องจากฉันเชื่อว่านี่อาจเป็นข้อผิดพลาดในเอกสารฉันจึงทำการทดสอบเพื่อยืนยันคำชี้แจง ฉันพบว่าตาม Apache Commons มันเป็นตัวเลข

เหตุใดสายอักขระนี้จึงเป็นตัวเลข ตัวละครเหล่านั้นแสดงถึงอะไร?

เนื่องจาก "CharSequence มีเฉพาะตัวเลข Unicode" (อ้างถึงเอกสารที่เชื่อมโยงของคุณ)

อักขระทั้งหมดคืนค่าจริงสำหรับCharacter.isDigit:

ช่วงอักขระ Unicode บางช่วงที่มีตัวเลข:

• '\ u0030' ถึง '\ u0039', ISO-LATIN-1 หลัก ('0' ถึง '9')
• '\ u0660' ถึง '\ u0669', เลขอารบิก - อินดิเคเตอร์
• '\ u06F0' ถึง '\ u06F9', ตัวเลขตัวบ่งชี้ภาษาอาหรับแบบขยาย
• '\ u0966' ถึง '\ u096F', หลักเทวนาครี
• '\ uFF10' ถึง '\ uFF19', หลักเต็มความกว้าง

ช่วงอักขระอื่น ๆ มีตัวเลขเช่นกัน

१२३ เป็นหลักเทวนาครี:

• १คือDEVANAGARI DIGIT ONE\u0967
• २คือDEVANAGARI DIGIT TWO\u0968
• ३คือDEVANAGARI DIGIT สาม\u0969

สัญลักษณ์१२३เหมือนกับ 123 สำหรับภาษาเนปาลหรือภาษาอื่น ๆ ที่ใช้อักษรเทวนาครีเช่นฮินดีคุชราตและอื่น ๆ ดังนั้นจึงเป็นตัวเลขสำหรับ Apache Commons

คุณสามารถใช้Character#getTypeเพื่อตรวจสอบหมวดหมู่ทั่วไปของตัวละคร:

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

นี้จะพิมพ์trueซึ่งเป็น "หลักฐาน" ที่ '1' เป็นจำนวนหลัก

ตอนนี้เรามาตรวจสอบค่า Unicode ของอักขระ '१':

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

หมายเลขนี้อยู่ในช่วงของตัวเลขเทวนาครี - ซึ่งเป็น: ผ่าน\u0966\u096F

ลองดู:

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

เทวนาครีคือ:

เป็นอักษร abugida (alphasyllabary) ของอินเดียและเนปาล

"१२३" คือ "123" (ยูนิโคดภาษาละตินพื้นฐาน)

การอ่าน:

• รายละเอียดเพิ่มเติมเกี่ยวกับอักขระ "१"
• StringUtils#isNumeric การนำไปใช้งาน

หากคุณต้องการทราบว่า "อักขระ" มีคุณสมบัติอะไรบ้าง (และมีไม่กี่ตัว) ให้ไปที่แหล่งที่มา: Unicode.orgโดยตรง พวกเขามีเครื่องมือวิจัยที่สามารถแสดงทุกสิ่งที่คุณอยากรู้

• หากคุณต้องการดูคุณสมบัติทั้งหมดของอักขระเฉพาะให้ลองทำดังต่อไปนี้:

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

  หรือ:

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

• หากคุณต้องการดูอักขระทั้งหมดที่จัดประเภทเป็น "หลักทศนิยม" (เช่นมีค่าตัวเลข 0 ถึง 9) ให้ลองทำดังต่อไปนี้:

  http://unicode.org/cldr/utility/list-unicodeset.jsp?a=[:Numeric_Type=Decimal:]
  ^{(550 Code Points - ปัจจุบัน / ณ Unicode 9.0)}

• หากคุณต้องการดูอักขระทั้งหมดที่จัดประเภทเป็น "ตัวเลขที่ไม่ใช่ทศนิยม" (เช่นเศษส่วนวงกลม ฯลฯ ) ให้ลองทำดังต่อไปนี้:

  http://unicode.org/cldr/utility/list-unicodeset.jsp?a=[:Numeric_Type=Numeric:]
  ^{(คะแนนรหัส 836 - ปัจจุบัน / ณ Unicode 9.0)}

• หากคุณต้องการดูอักขระทั้งหมดที่จัดประเภทเป็น "เลขฐานสิบ" (เช่นมีค่าตัวเลข 0 ถึง 9) แต่ขึ้นผ่าน Unicode 6.0 เท่านั้น (ซึ่ง. NET ใช้)ให้ลองทำดังต่อไปนี้:

  http://unicode.org/cldr/utility/list-unicodeset.jsp?a=[:Numeric_Type=Decimal:]%26[:Age=6.0:]
  ^{(คะแนนรหัส 420 คะแนน - และไม่ควรเปลี่ยนแปลง)}

• หากคุณต้องการดูอักขระทั้งหมดที่จัดประเภทเป็น "หลักทศนิยม" (เช่นมีค่าตัวเลข 0 ถึง 9) แต่จะเพิ่มขึ้นผ่าน Unicode 6.0 เท่านั้น (ซึ่ง. NET ใช้) และเฉพาะในระนาบฐานหลายภาษา / ไม่มีอักขระเสริม ( เช่นไม่มีอะไรเหนือ Code Point 65535 / U + 0xFFFF)ให้ลองทำดังต่อไปนี้:

  http://unicode.org/cldr/utility/list-unicodeset.jsp?a=[:Numeric_Type=Decimal:]%26[:Age=6.0:]%26[:bmp= Yeses:]
  ^{(350 Code Points - - และไม่ควรเปลี่ยน)}

เก็บไว้ในใจ: Unicode Consortium จัดทำข้อกำหนดไม่ใช่ซอฟต์แวร์ ซึ่งหมายความว่ามันขึ้นอยู่กับผู้จำหน่ายซอฟต์แวร์แต่ละที่จะใช้สเปคอย่างถูกต้องที่พวกเขาสามารถ เช่นเดียวกับ HTML, JavaScript, CSS, SQL และอื่น ๆ มีการเปลี่ยนแปลงระหว่างแพลตฟอร์มภาษาและอื่น ๆ ตัวอย่างเช่นฉันพบข้อบกพร่องใน. NET Framework ของ Microsoft โดยการวนตัวอักษรละตินA-Zและ a-z- Code Points 0x24B6 ถึง 0x24E9 - ลงทะเบียนไม่ถูกต้องว่าเป็นchar.IsLetter = true( รายงานข้อบกพร่องที่นี่ ) และนั่นนำไปสู่พฤติกรรมที่ไม่คาดคิดในฟังก์ชันการทำงานที่เกี่ยวข้องเช่นเมื่อเรียกใช้TextInfo.ToTitleCase()เมธอด ( รายงานข้อบกพร่องที่นี่ )

สัญลักษณ์ '१२३' มาจากภาษาฮินดีจริง ๆ (โดยพื้นฐานมาจากภาษาสันสกฤตคือเทวนาครี) ซึ่งแสดงถึงค่าตัวเลขเช่นเดียวกับ:

१ แสดงถึง 1

२ แสดงถึง 2

และชอบฉลาด