如何将Unicode块与语言/脚本相关联?

如何解决如何将Unicode块与语言/脚本相关联?

| 我试图找到一种资源,可用于将语言(或更可能是脚本)连接到Unicode字符块。这样的资源将用于查找诸如““法语中使用了哪些Unicode块?”或“哪些语言使用了0A80-0AFF(http://unicodinator.com/#Block-Gujarati)中的块的语言”之类的问题? \“您知道这样的资源吗? 我希望能够在unicode.org上轻松找到此信息。我很快就能找到一个将国家代码与语言相关联的好表格(http://unicode.org/repos/cldr-tmp/trunk/diff/supplemental/territory_language_information.html)。但是我花了很多时间在闲逛,没有运气找到将Unicode块与语言联系起来的东西。我可能遇到了一个术语问题,无法在此处连接点... 在这种情况下,我对“”语言“(Java语言环境代码或ISO 639代码或任何其他语言)的确切含义并不满意。我也了解可能没有确切答案,因为例如阿拉伯文文档除了阿拉伯文块中的字符外,还可以包含拉丁文和其他文本(http://unicodinator.com/#Block-Arabic,http:// unicodinator.com/#Block-Arabic_Supplement)。但是一定要有一个表写着“这些语言与这些块一起使用”。。。我对格式(XML,CSV等)也不是很挑剔,我可以轻松地将其转换为可以使用的数据为我的应用程序。再一次,我确实意识到引用可能会将脚本连接到块,而不是语言(尽管可以将脚本映射到语言)。 我确实意识到这将是一个多对多的表(因为许多语言使用来自多个块的字符,并且许多块被多种语言使用);我确实意识到这无法准确回答,因为Unicode代码点不是特定于语言的-但是,“该国家/地区使用哪种语言”这个问题也不可能(对于大多数国家/地区,答案可能是“大多数语言”) ,但仍然可以创建这样的表格(http://unicode.org/repos/cldr-tmp/trunk/diff/supplemental/territory_language_information.html)。 关于我为什么想要这样的事情:我想使用代码块的全局热图和语言列表来增强http://unicodinator.com;我也有一个小游戏概念。除此之外,其他人可能还有其他用途(字体创建?Google Translate API即将淘汰,启发式,快速,最佳猜测的语言检测?研究项目?)。     

解决方法

        我自己从Unicode.org得到了答案!在CLDR子项目中,有以下文件: http://unicode.org/cldr/trac/browser/trunk/common/main/ar.xml http://unicode.org/cldr/trac/browser/trunk/common/main/fr.xml 对于每种语言ID,您都可以搜索\“ exemplarCharacters \”:
<exemplarCharacters>[\\u064B \\u064C \\u064D \\u064E \\u064F \\u0650 \\u0651 \\u0652 ء آ أ ؤ إ ئ ا ب ت ة ث ج ح خ د ذ ر ز س ش ص ض ط ظ ع غ ف ق ك ل م ن ه و ي ى]</exemplarCharacters>
<exemplarCharacters type=\"auxiliary\">[\\u200C\\u200D\\u200E\\u200F]</exemplarCharacters>
<exemplarCharacters type=\"currencySymbol\" draft=\"contributed\">[a b c d e f g h i j k l m n o p q r s t u v w x y z]</exemplarCharacters>
<exemplarCharacters type=\"index\" draft=\"contributed\">[ا ب ت ث ج ح خ د ذ ر ز س ش ص ض ط ظ ع غ ف ق ك ل م ن ه و ي]</exemplarCharacters>
或者,存在以下页面:http://unicode.org/repos/cldr-tmp/trunk/diff/by_type/misc.exemplarCharacters.html,看起来像所有页面。我将努力将数据重新转换为某种类型的langid-> blockid映射,在该映射下,我可能会知道@borrible \“ Answer \”(而不是让我作答)。     ,        自己生成(近似)数据怎么样?一个示例可能是使用不同语言的维基百科-下载每种语言的足够数据,生成带有计数的文档中使用的字符列表,并设置一个阈值以摆脱其他语言中借来的文本的小实例。这将是大概的,但可能是一个很好的起点。     ,        我认为CLDR的示例字符不会给出准确的结果。 您可以从UCD项目的Scripts.txt和ScriptExtensions.txt文件中找到每个字符的脚本属性。有关更多信息,请阅读此内容(Unicode脚本属性) 拥有脚本之后,可以使用SupplementalData.xml的languageData部分将其与CLDR中的语言相关联。     ,没有这样的资源,原因很简单:Unicode代码点分配与语言无关。因此,每个代码点可以由多种语言使用。 当然,有些字符可以直接映射到一种语言,但是通常每个代码点都是要共享的。因此,创建指向语言表的代码没有太大意义。 如果您正在寻找检测语言的方法,那么绝对不是这样。     

版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。

相关推荐


依赖报错 idea导入项目后依赖报错,解决方案:https://blog.csdn.net/weixin_42420249/article/details/81191861 依赖版本报错:更换其他版本 无法下载依赖可参考:https://blog.csdn.net/weixin_42628809/a
错误1:代码生成器依赖和mybatis依赖冲突 启动项目时报错如下 2021-12-03 13:33:33.927 ERROR 7228 [ main] o.s.b.d.LoggingFailureAnalysisReporter : *************************** APPL
错误1:gradle项目控制台输出为乱码 # 解决方案:https://blog.csdn.net/weixin_43501566/article/details/112482302 # 在gradle-wrapper.properties 添加以下内容 org.gradle.jvmargs=-Df
错误还原:在查询的过程中,传入的workType为0时,该条件不起作用 &lt;select id=&quot;xxx&quot;&gt; SELECT di.id, di.name, di.work_type, di.updated... &lt;where&gt; &lt;if test=&qu
报错如下,gcc版本太低 ^ server.c:5346:31: 错误:‘struct redisServer’没有名为‘server_cpulist’的成员 redisSetCpuAffinity(server.server_cpulist); ^ server.c: 在函数‘hasActiveC
解决方案1 1、改项目中.idea/workspace.xml配置文件,增加dynamic.classpath参数 2、搜索PropertiesComponent,添加如下 &lt;property name=&quot;dynamic.classpath&quot; value=&quot;tru
删除根组件app.vue中的默认代码后报错:Module Error (from ./node_modules/eslint-loader/index.js): 解决方案:关闭ESlint代码检测,在项目根目录创建vue.config.js,在文件中添加 module.exports = { lin
查看spark默认的python版本 [root@master day27]# pyspark /home/software/spark-2.3.4-bin-hadoop2.7/conf/spark-env.sh: line 2: /usr/local/hadoop/bin/hadoop: No s
使用本地python环境可以成功执行 import pandas as pd import matplotlib.pyplot as plt # 设置字体 plt.rcParams[&#39;font.sans-serif&#39;] = [&#39;SimHei&#39;] # 能正确显示负号 p
错误1:Request method ‘DELETE‘ not supported 错误还原:controller层有一个接口,访问该接口时报错:Request method ‘DELETE‘ not supported 错误原因:没有接收到前端传入的参数,修改为如下 参考 错误2:cannot r
错误1:启动docker镜像时报错:Error response from daemon: driver failed programming external connectivity on endpoint quirky_allen 解决方法:重启docker -&gt; systemctl r
错误1:private field ‘xxx‘ is never assigned 按Altʾnter快捷键,选择第2项 参考:https://blog.csdn.net/shi_hong_fei_hei/article/details/88814070 错误2:启动时报错,不能找到主启动类 #
报错如下,通过源不能下载,最后警告pip需升级版本 Requirement already satisfied: pip in c:\users\ychen\appdata\local\programs\python\python310\lib\site-packages (22.0.4) Coll
错误1:maven打包报错 错误还原:使用maven打包项目时报错如下 [ERROR] Failed to execute goal org.apache.maven.plugins:maven-resources-plugin:3.2.0:resources (default-resources)
错误1:服务调用时报错 服务消费者模块assess通过openFeign调用服务提供者模块hires 如下为服务提供者模块hires的控制层接口 @RestController @RequestMapping(&quot;/hires&quot;) public class FeignControl
错误1:运行项目后报如下错误 解决方案 报错2:Failed to execute goal org.apache.maven.plugins:maven-compiler-plugin:3.8.1:compile (default-compile) on project sb 解决方案:在pom.
参考 错误原因 过滤器或拦截器在生效时,redisTemplate还没有注入 解决方案:在注入容器时就生效 @Component //项目运行时就注入Spring容器 public class RedisBean { @Resource private RedisTemplate&lt;String
使用vite构建项目报错 C:\Users\ychen\work&gt;npm init @vitejs/app @vitejs/create-app is deprecated, use npm init vite instead C:\Users\ychen\AppData\Local\npm-