unicode - teclado - kaomojis copiar y pegar

Gama Unicode para japoneses. (5)

¿Cuál es el rango Unicode de todos los caracteres japoneses?

Eche un vistazo a la página del conjunto de datos de referencia de WiLI para la identificación del idioma escrito , especialmente la tabla II. El número entre corchetes es la parte del idioma que captura con el rango de código Unicode (en decimal).

12352 - 12543: japonés (48.73%), inglés (0.00%)
19000 - 44000: japonés (32,78%), inglés (0,00%)
20 - 128: inglés (99.74%), japonés (11.58%)

Puede ver que 20 - 128 capta el inglés realmente bien y que los 3 bloques son importantes para los japoneses, pero aún faltan partes importantes.

Esos números se crean con lidtk y WiLI-2018 .

Estoy tratando de separar los caracteres ingleses y japoneses. Necesito encontrar el rango Unicode de todos los caracteres japoneses. ¿Cuál es el rango Unicode de todos los caracteres japoneses?

Aunque esta pregunta ya tiene una respuesta, esta publicación de blog es probablemente más completa.

Por favor, visite el sitio y obtenga sus métricas, pero para la posteridad aquí hay una copia y pegar.

Hiragana
Puntos de código de Unicode regex: [/x3041-/x3096]
Regex de propiedad de bloque Unicode: /p{Hiragana}
ぁあぃいぅうぇえぉおかがきぎくぐけげこごさざしじすずせぜそぞただちぢっつづてでとどなにぬねのはばぱひびぴふぶぷへべぺほぼぽまみむめもゃやゅゆょよらりるれろゎわゐゑをんゔゕゖ゙゚゛゜ゝゞゟ
Katakana (ancho completo)
Los puntos de código de Unicode regex: [/x30A0-/x30FF]
Regex de propiedad de bloque Unicode: /p{Katakana}
゠ァアィイゥウェエォオカガキギクグケゲコゴサザシジスズセゼソゾタダチヂッツヅテデトドナニヌネノハバパヒビピフブプヘベペホボポマミムメモャヤュユョヨラリルレロヮワヰヱヲンヴヵヶヷヸヹヺ · ーヽヾヿ
Kanji
[/x3400-/x4DB5/x4E00-/x9FCB/xF900-/xFA6A] puntos de código de Unicode: [/x3400-/x4DB5/x4E00-/x9FCB/xF900-/xFA6A]
Regex de propiedad de bloque Unicode: /p{Han}
漢字日本語文字言語 etc. Demasiados caracteres para enumerar.
Esta expresión regular coincidirá con todos los kanji, incluidos los utilizados en chino.
Radicales kanji
Puntos de código Unicode regex: [/x2E80-/x2FD5]
⺀⺁⺂⺃⺄⺅⺆⺇⺈⺉⺊⺋⺌⺍⺎⺏⺐⺑⺒⺓⺔⺕⺖⺗⺘⺙⺚⺛⺜⺝⺞⺟⺠⺡⺢⺣⺤⺥⺦⺧⺨⺩⺪⺫⺬⺭⺮⺯⺰⺱⺲⺳⺴⺵⺶⺷⺸⺹⺺⺻⺼⺽⺾⺿⻀⻁⻂⻃⻄⻅⻆⻇⻈⻉⻊⻋⻌⻍⻎⻏⻐⻑⻒⻓⻔⻕⻖⻗⻘⻙⻚⻛⻜⻝⻞⻟⻠⻡⻢⻣⻤⻥⻦⻧⻨⻩⻪⻫⻬⻭⻮⻯⻰⻱⻲⻳⼀⼁⼂⼃⼄⼅⼆⼇⼈⼉⼊⼋⼌⼍⼎⼏⼐⼑⼒⼓⼔⼕⼖⼗⼘⼙⼚⼛⼜⼝⼞⼟⼠⼡⼢⼣⼤⼥⼦⼧⼨⼩⼪⼫⼬⼭⼮⼯⼰⼱⼲⼳⼴⼵⼶⼷⼸⼹⼺⼻⼼⼽⼾⼿⽀⽁⽂⽃⽄⽅⽆⽇⽈⽉⽊⽋⽌⽍⽎⽏⽐⽑⽒⽓⽔⽕⽖⽗⽘⽙⽚⽛⽜⽝⽞⽟⽠⽡⽢⽣⽤⽥⽦⽧⽨⽩⽪⽫⽬⽭⽮⽯⽰⽱⽲⽳⽴⽵⽶⽷⽸⽹⽺⽻⽼⽽⽾⽿⾀⾁⾂⾃⾄⾅⾆⾇⾈⾉⾊⾋⾌⾍⾎⾏⾐⾑⾒⾓⾔⾕⾖⾗⾘⾙⾚⾛⾜⾝⾞⾟⾠⾡⾢⾣⾤⾥⾦⾧⾨⾩⾪⾫⾬⾭⾮⾯⾰⾱⾲⾳⾴⾵⾶⾷⾸⾹⾺⾻⾼⾽⾾⾿⿀⿁⿂⿃⿄⿅⿆⿇⿈⿉⿊⿋⿌⿍⿎⿏⿐⿑⿒⿓⿔⿕
Katakana y puntuación (medio ancho)
Los puntos de código de Unicode regex: [/xFF5F-/xFF9F]
⦅⦆. ｢｣, · ヲァィゥェォャュョッーアイウエオカキクケコサシスセソタチツテトナニヌネノハヒフヘホマミムメモヤユヨラリルレロワン゙
Símbolos japoneses y puntuación
Los puntos de código de Unicode regex: [/x3000-/x303F]
,. 〃〄々〆〇 <> "" 「」『』【】〒〓〔〕〖〗〘〙 [= ~ "" "〠〡〢〣〤〥〦〧〨〩〪〭〮〯〫〬〰〱〲〴
Varios símbolos y caracteres japoneses
Los puntos de código de Unicode regex: [/x31F0-/x31FF/x3220-/x3243/x3280-/x337F]
ㇰㇱㇲㇳㇴㇵㇶㇷㇸㇹㇺㇻㇼㇽㇾㇿ㈠㈡㈢㈣㈤㈥㈦㈧㈨㈩㈪㈫㈬㈭㈮㈯㈰㈱㈲㈳㈴㈵㈶㈷㈸㈹㈺㈻㈼㈽㈾㈿㉀㉁㉂㉃㊀㊁㊂㊃㊄㊅㊆㊇㊈㊉㊊㊋㊌㊍㊎㊏㊐㊑㊒㊓㊔㊕㊖㊗㊘㊙㊚㊛㊜㊝㊞㊟㊠㊡㊢㊣㊤㊥㊦㊧㊨㊩㊪㊫㊬㊭㊮㊯㊰㊱㊲㊳㊴㊵㊶㊷㊸㊹㊺㊻㊼㊽㊾㊿㋀㋁㋂㋃㋄㋅㋆㋇㋈㋉㋊㋋㋐㋑㋒㋓㋔㋕㋖㋗㋘㋙㋚㋛㋜㋝㋞㋟㋠㋡㋢㋣㋤㋥㋦㋧㋨㋩㋪㋫㋬㋭㋮㋯㋰㋱㋲㋳㋴㋵㋶㋷㋸㋹㋺㋻㋼㋽㋾㌀㌁㌂㌃㌄㌅㌆㌇㌈㌉㌊㌋㌌㌍㌎㌏㌐㌑㌒㌓㌔㌕㌖㌗㌘㌙㌚㌛㌜㌝㌞㌟㌠㌡㌢㌣㌤㌥㌦㌧㌨㌩㌪㌫㌬㌭㌮㌯㌰㌱㌲㌳㌴㌵㌶㌷㌸㌹㌺㌻㌼㌽㌾㌿㍀㍁㍂㍃㍄㍅㍆㍇㍈㍉㍊㍋㍌㍍㍎㍏㍐㍑㍒㍓㍔㍕㍖㍗㍘㍙㍚㍛㍜㍝㍞㍟㍠㍡㍢㍣㍤㍥㍦㍧㍨㍩㍪㍫㍬㍭㍮㍯㍰㍱㍲㍳㍴㍵㍶㍻㍼㍽㍾㍿
Alfanumérico y Puntuación (Ancho Completo)
Los puntos de código de Unicode regex: [/xFF01-/xFF5E]
＂，，，，： 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 {|} ~

CJK (chino japonés y coreano), Hiragana y Katakana (incluye Halfwidth Katakana)

http://www.unicode.org/charts/

Como mencionó zawhtut, esta página tiene una referencia para varios rangos de Unicode. Para resumir los rangos:

Puntuación de estilo japonés (3000 - 303f)
Hiragana (3040 - 309f)
Katakana (30a0 - 30ff)
Caracteres romanos de ancho completo y katakana de ancho medio (ff00 - ffef)
Iographografías unifed de CJK - kanji comunes e infrecuentes (4e00 - 9faf)

Por favor, vea esta página para una referencia. Contiene gamas unicode Katakana, Hiragana y Kanji.