Чому Apache Commons вважає числом "१२३"?

Згідно з документацією Apache Commons Lang для StringUtils.isNumeric()рядка "१२३" є числовим.

Оскільки я вважав, що це може бути помилкою в документації, я провів тести, щоб перевірити твердження. Я виявив, що згідно з Apache Commons він є числовим.

Чому цей рядок числовий? Що представляють ці персонажі?

Тому що "CharSequence містить лише цифри Unicode" (цитуючи вашу пов'язану документацію ).

Усі символи повертають істину для Character.isDigit:

Деякі діапазони символів Unicode, які містять цифри:

• '\ u0030' до '\ u0039', цифри ISO-LATIN-1 (від '0' до '9')
• '\ u0660' через '\ u0669', арабсько-індійські цифри
• '\ u06F0' через '\ u06F9', розширені арабсько-індійські цифри
• '\ u0966' через '\ u096F', цифри Devanagari
• '\ uFF10' через '\ uFF19', цифри повної ширини

Багато інших діапазонів символів також містять цифри.

१२३ - цифри Devanagari:

• १це DEVANAGARI DIGIT ONE,\u0967
• २- ДЕВАНАГАРІ ДІГІТ ДВОЙ,\u0968
• ३є деванагарі DIGIT THREE,\u0969

Символ १२३ такий самий, як 123 для непальської мови або будь-якої іншої мови, використовуючи сценарій Devanagari, такий як хінді, гуджараті тощо, і тому є числом для Apache Commons.

Ви можете Character#getTypeперевірити загальну категорію персонажа:

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

Це надрукує true, що є "доказом", що "१" - це цифрне число .

Тепер вивчимо значення unicode символу '१':

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

Це число знаходиться в діапазоні цифр Деванаґарі - це: \u0966через \u096F.

Також спробуйте:

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

Devanagari :

- це алфавіт абагідського (алфавітного) Індії та Непалу

"१२३" - це "123" (базовий латинський унікод).

Читання:

• Детальніше про символ "१"
• StringUtils#isNumeric реалізація

Якщо ви хочете дізнатися, якими властивостями володіє той чи інший "персонаж" (а їх досить багато), перейдіть безпосередньо до джерела: Unicode.org . У них є інструменти дослідження, які можуть показати вам найбільше всього, що ви хотіли б знати.

• Якщо ви хочете побачити всі властивості конкретного символу, спробуйте наступне:

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

  або:

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

• Якщо ви хочете побачити всі символи, класифіковані як "десяткові цифри" (тобто зі значеннями цифр від 0 до 9), спробуйте наступне:

  http://unicode.org/cldr/utility/list-unicodeset.jsp?a= evidence:Numeric_Type=Decimal:]
  ^{(550 точок коду - наразі / станом на Unicode 9.0)}

• Якщо ви хочете побачити всі символи, класифіковані як "недесяткові цифри" (тобто дроби, обведені тощо), спробуйте наступне:

  http://unicode.org/cldr/utility/list-unicodeset.jsp?a= evidence:Numeric_Type=Numeric:]
  ^{(836 точок коду - наразі / станом на Unicode 9.0)}

• Якщо ви хочете побачити всі символи, класифіковані як "десяткові цифри" (тобто з числовими значеннями від 0 до 9), але тільки вгору через Unicode 6.0 (який використовує .NET) , спробуйте наступне:

  http://unicode.org/cldr/utility/list-unicodeset.jsp?a= evidence:Numeric_Type=Decimal:Sense%26 evidence:Age=6.0:]
  ^{(420 точок коду - і не слід змінювати)}

• Якщо ви хочете побачити всі символи, класифіковані як "десяткові цифри" (тобто з числовими значеннями від 0 до 9), але тільки вгору через Unicode 6.0 (який використовує .NET), і лише в базовій багатомовній площині / без додаткових символів ( тобто нічого над кодовою точкою 65535 / U + 0xFFFF) , спробуйте наступне:

  http://unicode.org/cldr/utility/list-unicodeset.jsp?a=[:Numeric_Type=Decimal:]%26[:Age=6.0:]%26[:bmp=Yes:]
  ^{(350 Код окуляри - - і не слід змінювати)}

ПЕРЕГЛЯДУЙТЕ У МІНД: Консорціум Unicode виробляє специфікацію, а не програмне забезпечення. Це означає, що кожен постачальник програмного забезпечення повинен реалізувати специфікацію якомога точніше . Так що, як і HTML, JavaScript, CSS, SQL тощо, існує різниця між різними платформами, мовами тощо. Наприклад, я знайшов помилку в .NET Framework від Microsoft, за допомогою якої обводилися латинські літери A-Zта a-z- Кодові точки від 0x24B6 до 0x24E9 - не належним чином реєструвалися як такі char.IsLetter = true( тут повідомляється про помилку ). А це призводить до несподіваної поведінки у відповідній функціональності, наприклад, при виклику TextInfo.ToTitleCase()методу ( тут повідомляється про помилку ).

Символи "१२३" фактично походять з мови хінді (в основному з санскритської мови, тобто Devanagiri), які представляють числові значення так само:

१ представляють 1

२ представляють 2

і як мудрий