Sql-und-Xml-Home Xml lernen Unicode: Block und Kategorie Unicode-Datenbank

Die Unicode-Datenbank

Offline-Variante als Windows-CHM-Datei (Version 1.0.0, 1.2 MB).

Übersicht:

1. Unicode-Blöcke
2. Unicode-Kategorien
3. Zusätzliche Eigenschaften
4. Eigenschaften in bezug auf den bidirektionalen Algorithmus
5. Anmerkungen
6. Copyright

1. Liste aller Unicode-Blockbereiche

In den beiden folgenden Tabellen sind alle Unicode-Blöcke, geordnet nach Codepunkten, aufgeführt. Die Spalte 'Blockname' enthält den offiziellen englischen Namen dieses Blocks, Beginn und Ende sind in hexadezimaler und Zahldarstellung genannt. Cn ist das Kürzel für die Kategorie Other, not Assigned, diesen Codepunkten ist keine Darstellung bzw. Funktion zugewiesen. Die Spalte 'def' enthält die Zahl der verwendbaren Codepunkte und entspricht der Zahl der Codepunkte in diesem Block abzüglich Cn. Die Spalte 'NET' teilt die Zahl der von .NET1.1 erkannten Unicode-Zeichen in diesem Block mit. Die Unicode-Datenbank basiert auf der Version 4.0, .NET1.1 legt Unicode.3.1 zugrunde, so daß von .NET nicht alle Zeichen in bezug auf Kategorien korrekt verarbeitet werden. Die nicht erkannten Zeichen werden in RegEx-Suchmustern der Form '\{IsUnicode-Block}' fälschlich negativ bewertet. Gibt es in einem Block solche Zeichen (also 'def.' > 'NET'), so ist die Zelle rötlich unterlegt, der Block enthält Zeichen ab Version 3.2. Das folgende Y/N sagt aus, ob man den Blocknamen ohne Leerzeichen in RegEx-patterns verwenden kann. Falls Y, gelingt dies mit vorangestelltem 'Is', etwa '\p{IsBasicLatin}' oder '\p{IsBopomofo}'. Die korrekten Werte wurden durch probeweises Einsetzen ermittelt. Es folgen Spalten mit der Zahl der Zeichen pro Block aus einer bestimmten Unicode-Version. Die erste Tabelle enthält alle Blöcke aus der basic multilingual plane, die zweite Tabelle enthält die Unicode-Zeichen mit Codepunkten oberhalb FFFF. Diese sind mit aktuellen Browsern noch nicht über die Codierung &#x[Unicode-Word]; sowie einen Font darstellbar. Für sie wurden keine gesonderten Detail-Tabellen erstellt, da die Tabellen bloß Namen und Kategorien enthalten würden. Auf verweisende Links und die Spalte 'NET' wurde ebenfalls verzichtet. Die letzte Spalte enthält die Größe der Detail-Datei in KB. Zeilen mit dem Eintrag 'No_Block (unused)' bezeichnen nicht belegte Blöcke. Die Nummer in der ersten Spalte und der Wechsel zwischen weißem und grauem Hintergrund wurden nur zur besseren Darstellung eingefügt und haben keine offizielle Bedeutung.

Bei den angegebenen Summen ist zu beachten, daß die Blöcke CJK Unified Ideographs Extension A, CJK Unified Ideographs und Hangul Syllables nicht in die Detaildarstellung übernommen wurden. Zwar liegen für diese von Unicode.org gezippte Dateien vor. Jedoch sind diese Zeichensätze extrem groß, so daß sie bislang nicht übernommen wurden. Analog entfällt für den privaten Bereich Private Use Area die Darstellung. Die Gesamtzahl der definierten Codepunkte unterscheidet sich deshalb von den offiziellen Zahlen und wäre um die Zahl der Codepunkte <> Cn in diesen Blöcken zu vergrößern.

Als kleinen Zusatz gibt es zwei Online-Tools: Der Int/Hex/Char-Converter rechnet Integer-Darstellung, Hexadezimal-Ausdruck und Codepunkt ineinander um. Der Entity-Generator codiert Klartext in Entity-Darstellungen, entweder als Integer- (A = A) oder als Hex-Version (A = A). Eine Mailadresse wird mit 'mailto' ergänzt und mit dem korrekten umgebenden Html-Code versehen, so daß ein Klick im Browser weiterhin das Mailprogramm startet, einfache EMail-Spam-Bots an dieser Darstellung jedoch scheitern.

1.1 Codepunkte der Basic multilingual plane <= FFFF

Nr	Blockname	Beginn (hex/int)	Ende (hex/int)	Blocklänge	def	Cn	NET	2.1	3.0	3.1	3.2	4.0	Größe
1	Basic Latin	0000 (0)	007F (127)	128	128	0	128 / Y	128	0	0	0	0	25,5 KB
2	Latin-1 Supplement	0080 (128)	00FF (255)	128	128	0	127 / Y	128	0	0	0	0	26,7 KB
3	Latin Extended-A	0100 (256)	017F (383)	128	128	0	128 / Y	128	0	0	0	0	27 KB
4	Latin Extended-B	0180 (384)	024F (591)	208	183	25	183 / Y	148	30	0	1	4	38 KB
5	IPA Extensions	0250 (592)	02AF (687)	96	96	0	95 / Y	89	5	0	0	2	20,5 KB
6	Spacing Modifier Letters	02B0 (688)	02FF (767)	80	80	0	80 / Y	57	6	0	0	17	17,4 KB
7	Combining Diacritical Marks	0300 (768)	036F (879)	112	107	5	107 / Y	72	10	0	14	11	22,5 KB
8	Greek and Coptic	0370 (880)	03FF (1023)	144	120	24	120 / Y	105	5	2	3	5	25 KB
9	Cyrillic	0400 (1024)	04FF (1279)	256	246	10	246 / Y	226	12	0	8	0	50,2 KB
10	Cyrillic Supplement	0500 (1280)	052F (1327)	48	16	32	16 / Y	0	0	0	16	0	5,3 KB
11	Armenian	0530 (1328)	058F (1423)	96	86	10	86 / Y	85	1	0	0	0	18,5 KB
12	Hebrew	0590 (1424)	05FF (1535)	112	82	30	82 / Y	82	0	0	0	0	17,3 KB
13	Arabic	0600 (1536)	06FF (1791)	256	227	29	227 / Y	194	12	0	2	19	45,6 KB
14	Syriac	0700 (1792)	074F (1871)	80	77	3	77 / Y	0	71	0	0	6	16,5 KB
	No_Block (unused)
15	Thaana	0780 (1920)	07BF (1983)	64	50	14	50 / Y	0	49	0	1	0	11,2 KB
	No_Block (unused)
16	Devanagari	0900 (2304)	097F (2431)	128	105	23	105 / Y	104	0	0	0	1	21,8 KB
17	Bengali	0980 (2432)	09FF (2559)	128	90	38	90 / Y	89	0	0	0	1	19 KB
18	Gurmukhi	0A00 (2560)	0A7F (2687)	128	77	51	77 / Y	75	0	0	0	2	16,2 KB
19	Gujarati	0A80 (2688)	0AFF (2815)	128	83	45	83 / Y	78	0	0	0	5	17,5 KB
20	Oriya	0B00 (2816)	0B7F (2943)	128	81	47	81 / Y	79	0	0	0	2	16,8 KB
Nr	Blockname	Beginn (hex/int)	Ende (hex/int)	Blocklänge	def	Cn	NET	2.1	3.0	3.1	3.2	4.0	Größe
21	Tamil	0B80 (2944)	0BFF (3071)	128	69	59	69 / Y	61	0	0	0	8	14,9 KB
22	Telugu	0C00 (3072)	0C7F (3199)	128	80	48	80 / Y	80	0	0	0	0	16,7 KB
23	Kannada	0C80 (3200)	0CFF (3327)	128	82	46	82 / Y	80	0	0	0	2	17,1 KB
24	Malayalam	0D00 (3328)	0D7F (3455)	128	78	50	78 / Y	78	0	0	0	0	16,5 KB
25	Sinhala	0D80 (3456)	0DFF (3583)	128	80	48	80 / Y	0	80	0	0	0	17,6 KB
26	Thai	0E00 (3584)	0E7F (3711)	128	87	41	87 / Y	87	0	0	0	0	18,5 KB
27	Lao	0E80 (3712)	0EFF (3839)	128	65	63	65 / Y	65	0	0	0	0	13,8 KB
28	Tibetan	0F00 (3840)	0FFF (4095)	256	193	63	193 / Y	168	25	0	0	0	39 KB
29	Myanmar	1000 (4096)	109F (4255)	160	78	82	78 / Y	0	78	0	0	0	16,5 KB
30	Georgian	10A0 (4256)	10FF (4351)	96	80	16	80 / Y	78	0	0	2	0	17 KB
31	Hangul Jamo	1100 (4352)	11FF (4607)	256	240	16	240 / Y	240	0	0	0	0	47 KB
32	Ethiopic	1200 (4608)	137F (4991)	384	345	39	336 / Y	0	345	0	0	0	65,4 KB
	No_Block (unused)
33	Cherokee	13A0 (5024)	13FF (5119)	96	85	11	85 / Y	0	85	0	0	0	17,3 KB
34	Unified Canadian Aboriginal Syllabics	1400 (5120)	167F (5759)	640	630	10	630 / Y	0	630	0	0	0	121,1 KB
35	Ogham	1680 (5760)	169F (5791)	32	29	3	29 / Y	0	29	0	0	0	7,5 KB
36	Runic	16A0 (5792)	16FF (5887)	96	81	15	81 / Y	0	81	0	0	0	17,1 KB
37	Tagalog	1700 (5888)	171F (5919)	32	20	12	20 / Y	0	0	0	20	0	5,7 KB
38	Hanunoo	1720 (5920)	173F (5951)	32	23	9	23 / Y	0	0	0	23	0	6,4 KB
39	Buhid	1740 (5952)	175F (5983)	32	20	12	20 / Y	0	0	0	20	0	5,6 KB
40	Tagbanwa	1760 (5984)	177F (6015)	32	18	14	18 / Y	0	0	0	18	0	5,4 KB
Nr	Blockname	Beginn (hex/int)	Ende (hex/int)	Blocklänge	def	Cn	NET	2.1	3.0	3.1	3.2	4.0	Größe
41	Khmer	1780 (6016)	17FF (6143)	128	114	14	114 / Y	0	103	0	0	11	23,5 KB
42	Mongolian	1800 (6144)	18AF (6319)	176	155	21	155 / Y	0	155	0	0	0	31,6 KB
	No_Block (unused)
43	Limbu	1900 (6400)	194F (6479)	80	66	14	66 / Y	0	0	0	0	66	14,3 KB
44	Tai Le	1950 (6480)	197F (6527)	48	35	13	35 / Y	0	0	0	0	35	8,2 KB
	No_Block (unused)
45	Khmer Symbols	19E0 (6624)	19FF (6655)	32	32	0	32 / Y	0	0	0	0	32	8 KB
	No_Block (unused)
46	Phonetic Extensions	1D00 (7424)	1D7F (7551)	128	108	20	108 / Y	0	0	0	0	108	22,7 KB
	No_Block (unused)
47	Latin Extended Additional	1E00 (7680)	1EFF (7935)	256	246	10	246 / Y	246	0	0	0	0	51,8 KB
48	Greek Extended	1F00 (7936)	1FFF (8191)	256	233	23	233 / Y	233	0	0	0	0	50,6 KB
49	General Punctuation	2000 (8192)	206F (8303)	112	97	15	97 / Y	76	7	0	12	2	20,6 KB
50	Superscripts and Subscripts	2070 (8304)	209F (8351)	48	29	19	29 / Y	28	0	0	1	0	7,8 KB
51	Currency Symbols	20A0 (8352)	20CF (8399)	48	18	30	18 / Y	13	3	0	2	0	5,2 KB
52	Combining Diacritical Marks for Symbols	20D0 (8400)	20FF (8447)	48	27	21	27 / Y	18	2	0	7	0	7,6 KB
53	Letterlike Symbols	2100 (8448)	214F (8527)	80	75	5	74 / Y	57	2	0	15	1	16 KB
54	Number Forms	2150 (8528)	218F (8591)	64	49	15	48 / Y	48	1	0	0	0	11,3 KB
55	Arrows	2190 (8592)	21FF (8703)	112	112	0	112 / Y	91	9	0	12	0	23,4 KB
56	Mathematical Operators	2200 (8704)	22FF (8959)	256	256	0	256 / Y	242	0	0	14	0	48,7 KB
57	Miscellaneous Technical	2300 (8960)	23FF (9215)	256	209	47	206 / Y	122	32	0	53	2	42 KB
58	Control Pictures	2400 (9216)	243F (9279)	64	39	25	39 / Y	37	2	0	0	0	9,3 KB
59	Optical Character Recognition	2440 (9280)	245F (9311)	32	11	21	11 / Y	11	0	0	0	0	4,1 KB
60	Enclosed Alphanumerics	2460 (9312)	24FF (9471)	160	160	0	160 / Y	139	0	0	20	1	32,5 KB
Nr	Blockname	Beginn (hex/int)	Ende (hex/int)	Blocklänge	def	Cn	NET	2.1	3.0	3.1	3.2	4.0	Größe
61	Box Drawing	2500 (9472)	257F (9599)	128	128	0	128 / Y	128	0	0	0	0	27,8 KB
62	Block Elements	2580 (9600)	259F (9631)	32	32	0	32 / Y	22	0	0	10	0	8,1 KB
63	Geometric Shapes	25A0 (9632)	25FF (9727)	96	96	0	96 / Y	80	8	0	8	0	20,4 KB
64	Miscellaneous Symbols	2600 (9728)	26FF (9983)	256	145	111	145 / Y	106	3	0	24	12	28,1 KB
65	Dingbats	2700 (9984)	27BF (10175)	192	174	18	174 / Y	160	0	0	14	0	36 KB
66	Miscellaneous Mathematical Symbols-A	27C0 (10176)	27EF (10223)	48	28	20	28 / Y	0	0	0	28	0	7,7 KB
67	Supplemental Arrows-A	27F0 (10224)	27FF (10239)	16	16	0	16 / Y	0	0	0	16	0	5,2 KB
68	Braille Patterns	2800 (10240)	28FF (10495)	256	256	0	256 / Y	0	256	0	0	0	50,1 KB
69	Supplemental Arrows-B	2900 (10496)	297F (10623)	128	128	0	128 / Y	0	0	0	128	0	28 KB
70	Miscellaneous Mathematical Symbols-B	2980 (10624)	29FF (10751)	128	128	0	128 / Y	0	0	0	128	0	26,9 KB
71	Supplemental Mathematical Operators	2A00 (10752)	2AFF (11007)	256	256	0	256 / Y	0	0	0	256	0	51,7 KB
72	Miscellaneous Symbols and Arrows	2B00 (11008)	2BFF (11263)	256	14	242	14 / Y	0	0	0	0	14	4,8 KB
	No_Block (unused)
73	CJK Radicals Supplement	2E80 (11904)	2EFF (12031)	128	115	13	115 / Y	0	115	0	0	0	23,4 KB
74	Kangxi Radicals	2F00 (12032)	2FDF (12255)	224	214	10	214 / Y	0	214	0	0	0	41,4 KB
	No_Block (unused)
75	Ideographic Description Characters	2FF0 (12272)	2FFF (12287)	16	12	4	12 / Y	0	12	0	0	0	4,8 KB
76	CJK Symbols and Punctuation	3000 (12288)	303F (12351)	64	64	0	64 / Y	57	4	0	3	0	15,1 KB
77	Hiragana	3040 (12352)	309F (12447)	96	93	3	93 / Y	90	0	0	3	0	19,3 KB
78	Katakana	30A0 (12448)	30FF (12543)	96	96	0	95 / Y	94	0	0	2	0	19,8 KB
79	Bopomofo	3100 (12544)	312F (12591)	48	40	8	40 / Y	40	0	0	0	0	9,2 KB
80	Hangul Compatibility Jamo	3130 (12592)	318F (12687)	96	94	2	94 / Y	94	0	0	0	0	19,5 KB
Nr	Blockname	Beginn (hex/int)	Ende (hex/int)	Blocklänge	def	Cn	NET	2.1	3.0	3.1	3.2	4.0	Größe
81	Kanbun	3190 (12688)	319F (12703)	16	16	0	16 / Y	16	0	0	0	0	5,2 KB
82	Bopomofo Extended	31A0 (12704)	31BF (12735)	32	24	8	24 / Y	0	24	0	0	0	6,5 KB
	No_Block (unused)
83	Katakana Phonetic Extensions	31F0 (12784)	31FF (12799)	16	16	0	16 / Y	0	0	0	16	0	5,2 KB
84	Enclosed CJK Letters and Months	3200 (12800)	32FF (13055)	256	241	15	241 / Y	202	0	0	30	9	47,4 KB
85	CJK Compatibility	3300 (13056)	33FF (13311)	256	256	0	256 / Y	249	0	0	0	7	48,6 KB
86	CJK Unified Ideographs Extension A	3400 (13312)	4DBF (19903)	6592	6582	10	2 / Y	0	6582	0	0	0	2,6 KB
87	Yijing Hexagram Symbols	4DC0 (19904)	4DFF (19967)	64	64	0	64 / Y	0	0	0	0	64	14,2 KB
88	CJK Unified Ideographs	4E00 (19968)	9FFF (40959)	20992	20902	90	2 / Y	20902	0	0	0	0	2,5 KB
89	Yi Syllables	A000 (40960)	A48F (42127)	1168	1165	3	1164 / Y	0	1165	0	0	0	209,4 KB
90	Yi Radicals	A490 (42128)	A4CF (42191)	64	55	9	55 / Y	0	50	0	5	0	11,8 KB
	No_Block (unused)
91	Hangul Syllables	AC00 (44032)	D7AF (55215)	11184	11172	12	2 / Y	11172	0	0	0	0	2,5 KB
	No_Block (unused)
92	High Surrogates	D800 (55296)	DB7F (56191)	896	896	0	2 / Y	896	0	0	0	0	2,5 KB
93	High Private Use Surrogates	DB80 (56192)	DBFF (56319)	128	128	0	2 / Y	128	0	0	0	0	2,6 KB
94	Low Surrogates	DC00 (56320)	DFFF (57343)	1024	1024	0	2 / Y	1024	0	0	0	0	2,5 KB
95	Private Use Area	E000 (57344)	F8FF (63743)	6400	6400	0	2 / Y	6400	0	0	0	0	2,5 KB
96	CJK Compatibility Ideographs	F900 (63744)	FAFF (64255)	512	361	151	361 / Y	302	0	0	59	0	72,4 KB
97	Alphabetic Presentation Forms	FB00 (64256)	FB4F (64335)	80	58	22	58 / Y	57	1	0	0	0	13,6 KB
98	Arabic Presentation Forms-A	FB50 (64336)	FDFF (65023)	688	595	93	595 / Y	593	0	0	1	1	125,8 KB
99	Variation Selectors	FE00 (65024)	FE0F (65039)	16	16	0	16 / Y	0	0	0	16	0	5,1 KB
	No_Block (unused)
100	Combining Half Marks	FE20 (65056)	FE2F (65071)	16	4	12	4 / Y	4	0	0	0	0	2,9 KB
Nr	Blockname	Beginn (hex/int)	Ende (hex/int)	Blocklänge	def	Cn	NET	2.1	3.0	3.1	3.2	4.0	Größe
101	CJK Compatibility Forms	FE30 (65072)	FE4F (65103)	32	32	0	32 / Y	28	0	0	2	2	9,1 KB
102	Small Form Variants	FE50 (65104)	FE6F (65135)	32	26	6	26 / Y	26	0	0	0	0	7,3 KB
103	Arabic Presentation Forms-B	FE70 (65136)	FEFF (65279)	144	141	3	141 / Y	140	0	0	1	0	29,9 KB
104	Halfwidth and Fullwidth Forms	FF00 (65280)	FFEF (65519)	240	225	15	224 / Y	223	0	0	2	0	46,3 KB
105	Specials	FFF0 (65520)	FFFF (65535)	16	5	11	5 / Y	2	3	0	0	0	3,1 KB
∑				61424	59177	2247	12068	47400	10307	2	1016	452

1.2 Codepunkte oberhalb der basic multilingual plane > FFFF

Nr	Blockname	Beginn (hex/int)	Ende (hex/int)	Blocklänge	def	Cn	3.0	3.1	4.0
106	Linear B Syllabary	10000 (65536)	1007F (65663)	128	88	40	0	0	88
107	Linear B Ideograms	10080 (65664)	100FF (65791)	128	123	5	0	0	123
108	Aegean Numbers	10100 (65792)	1013F (65855)	64	57	7	0	0	57
109	Old Italic	10300 (66304)	1032F (66351)	48	35	13	0	35	0
110	Gothic	10330 (66352)	1034F (66383)	32	27	5	0	27	0
111	Ugaritic	10380 (66432)	1039F (66463)	32	31	1	0	0	31
112	Deseret	10400 (66560)	1044F (66639)	80	80	0	0	76	4
113	Shavian	10450 (66640)	1047F (66687)	48	48	0	0	0	48
114	Osmanya	10480 (66688)	104AF (66735)	48	40	8	0	0	40
115	Cypriot Syllabary	10800 (67584)	1083F (67647)	64	55	9	0	0	55
116	Byzantine Musical Symbols	1D000 (118784)	1D0FF (119039)	256	246	10	0	246	0
117	Musical Symbols	1D100 (119040)	1D1FF (119295)	256	219	37	0	219	0
118	Tai Xuan Jing Symbols	1D300 (119552)	1D35F (119647)	96	87	9	0	0	87
119	Mathematical Alphanumeric Symbols	1D400 (119808)	1D7FF (120831)	1024	992	32	0	991	1
120	CJK Unified Ideographs Extension B	20000 (131072)	2A6DF (173791)	42720	2	42718	0	2	0
121	CJK Compatibility Ideographs Supplement	2F800 (194560)	2FA1F (195103)	544	542	2	0	542	0
122	Tags	E0000 (917504)	E007F (917631)	128	97	31	0	97	0
123	Variation Selectors Supplement	E0100 (917760)	E01EF (917999)	240	240	0	0	0	240
124	Supplementary Private Use Area-A	F0000 (983040)	FFFFF (1048575)	65536	2	65534	2	0	0
125	Supplementary Private Use Area-B	100000 (1048576)	10FFFF (1114111)	65536	2	65534	2	0	0
∑				177008	3013	173995	4	2235	774

2. Unicode - Kategorien - General Category Values

Die folgende Tabelle fasst die Unicode-Kategorien zusammen. Auf die Spalten der Kurz- und Langformen folgen Angaben, wie häufig Zeichen dieser Kategorie im 2-Byte bzw. im 4-Byte - Zeichensatz auftreten, ferner die Gesamtsumme. Die durch den Link erreichbaren Einzelauflistungen stellen, quer über alle Blöcke, alle Zeichen dieser Kategorie zusammen und enthalten Links zu den Blockdateien. Hierbei sind nur die Zeichen der base multilingual plane berücksichtigt. Die Spalte 'NET-Id' enthält die Zahldarstellung dieser Kategorie innerhalb .NET, welche mit der Char.GetUnicodeCategory() - Methode zu jedem Zeichen ermittelt werden kann. Die Kurzformen der Kategorien können in RegEx-patterns verwendet werden: \p{Mn} findet alle Zeichen ohne horizontalen Vorschub.

Nr	Kurzform	engl. Langform	<= FFFF	> FFFF	Gesamt	NET	NET-Id	2.1	3.0	3.1	3.2	4.0	Größe
1	Lu	Letter, Uppercase	707	483	1190	707	0	665	21	482	17	5	96,6 KB
2	Ll	Letter, Lowercase	886	529	1415	885	1	774	30	527	19	65	120,6 KB
3	Lt	Letter, Titlecase	31	0	31	31	2	31	0	0	0	0	6,4 KB
4	Lm	Letter, Modifier	114	0	114	114	3	56	3	0	1	54	16,5 KB
5	Lo	Letter, Other	5463	975	6438	5462	4	2544	2684	601	155	454	687,6 KB
6	Mn	Mark, Nonspacing	530	262	792	530	5	351	99	22	46	274	69 KB
7	Mc	Mark, Spacing Combining	131	8	139	131	6	84	31	8	0	16	17,9 KB
8	Me	Mark, Enclosing	10	0	10	10	7	5	4	0	1	0	2,8 KB
9	Nd	Number, Decimal Digit	208	60	268	199	8	159	39	50	0	20	26,7 KB
10	Nl	Number, Letter	52	1	53	51	9	45	7	1	0	0	7,9 KB
11	No	Number, Other	242	49	291	242	10	170	11	4	50	56	32,5 KB
12	Pc	Punctuation, Connector	12	0	12	10	18	11	0	0	0	1	3,1 KB
13	Pd	Punctuation, Dash	17	0	17	17	19	14	2	0	1	0	3,8 KB
14	Ps	Punctuation, Open	65	0	65	64	20	37	1	0	26	1	10,8 KB
15	Pe	Punctuation, Close	64	0	64	63	21	36	1	0	26	1	10,8 KB
16	Pi	Punctuation, Initial quote	6	0	6	6	22	6	0	0	0	0	2,3 KB
17	Pf	Punctuation, Final quote	4	0	4	4	23	4	0	0	0	0	2 KB
18	Po	Punctuation, Other	199	3	202	198	24	127	56	0	12	7	26,4 KB
19	Sm	Symbol, Math	889	10	899	889	25	299	0	10	590	0	116,2 KB
20	Sc	Symbol, Currency	36	0	36	36	26	27	4	0	3	2	5,9 KB
21	Sk	Symbol, Modifier	74	0	74	74	27	52	5	0	0	17	10,8 KB
22	So	Symbol, Other	2221	524	2745	2220	28	1285	720	427	64	249	281,4 KB
23	Zs	Separator, Space	18	0	18	18	11	14	3	0	1	0	3,9 KB
24	Zl	Separator, Line	1	0	1	1	12	1	0	0	0	0	1,5 KB
25	Zp	Separator, Paragraph	1	0	1	1	13	1	0	0	0	0	1,5 KB
26	Cc	Other, Control	65	0	65	65	14	65	0	0	0	0	8,7 KB
27	Cf	Other, Format	33	105	138	32	15	19	6	105	4	4	5,6 KB
28	Cs	Other, Surrogate	6	0	6	6	16	6	0	0	0	0	2,3 KB
29	Co	Other, Private Use	2	4	6	2	17	2	4	0	0	0	1,6 KB
30	Cn	Other, Not Assigned	2247	173995	176242	2	29	0	0	0	0	0	no file

∑		14334	177008	191342	12068

3. Zusätzliche Eigenschaften / Properties, die Codepunkte zusammenfassen

Diese Tabelle enthält zusätzliche Eigenschaften, die nur für einige Zeichen definiert sind. Jeder Codepunkt gehört zu genau einem Block und einer Kategorie, muß jedoch keine oder kann mehrere erweiterte Properties haben.

Nr	Property	Anmerkung	Anzahl	Größe
1	Bidi_Control	Elemente der Other, Format-Kategorie mit spezieller Bedeutung innerhalb des bidirektionalen Algorithmus	7	3,2 KB
2	Join_Control	Formatkontroll-Zeichen	2	2,3 KB
3	Dash	Alle Zeichen, die als Gedankenstrich / Minuszeichen / Dash in Unicode verwendet werden, einschließlich äquivalenter Darstellungen. Die meisten gehören zu Punctuation, Dash bzw. zum Block General Punctuation, manche stammen aus anderen Bereichen	20	6,6 KB
4	Hyphen	Jene als Dash verwendete Zeichen, die eine Verbindung zwischen zwei Worten kennzeichnen sowie der 'KATAKANA MIDDLE DOT'	10	4,7 KB
5	Quotation_Mark	Zeichen, die als Anführungszeichen verwendet werden können. Eine genauere Aufteilung in öffnende und schließende Anführungszeichen wird durch die Kategorien Pi und Pf bereitgestellt	29	8,2 KB
6	Terminal_Punctuation	Zeichen, die das Ende textueller Einheiten markieren, einen Satz abschließen	86	18 KB
7	Other_Math	sonstige mathematische Zeichen	117	23,7 KB
8	Hex_Digit	Zeichen für hexadezimale Zahlen (ASCII_Hex_Digit) und äquivalente Darstellungen aus anderen Blöcken	44	9,3 KB
9	ASCII_Hex_Digit	ASCII-Zeichen, die für die Darstellung hexadezimaler Zahlen verwendet werden	22	5,6 KB
10	Other_Alphabetic	weitere alphabetische Zeichen	428	73 KB
11	Diacritic	Zeichen, welche die Bedeutung eines anderen Zeichens modifizieren, dem sie zugeordnet sind. Manche diakritischen Zeichen sind keine Kombinationszeichen, manche Kombinationszeichen sind keine diakritischen Zeichen	454	78,9 KB
12	Extender	Zeichen, die den Wert oder die Form eines voranstehenden alphabetischen Zeichens erweitern	19	6,5 KB
13	Other_Lowercase	andere Kleinbuchstaben	114	21,7 KB
14	Other_Uppercase	andere Großbuchstaben	42	9,1 KB
15	Noncharacter_Code_Point	Codepunkte, die explizit für die Codierung von Zeichen verboten sind. Diesen Codepunkten ist weder Name noch Version zugeordnet, sie fehlen in der UnicodeData.txt	34	6 KB
16	Other_Grapheme_Extend	Weitere Zeichen, um die Eigenschaft Grapheme_Extend zu bilden. Wird genutzt, um die Grenzen von graphischer Zeichen, damit die Textgrenzen zu bestimmen	15	5,2 KB
17	Grapheme_Link	wird verwendet, um bei Default-Graphemen die Textgrenzen zu bestimmen	14	5,7 KB
18	IDS_Binary_Operator	verwendet in 'Ideographic Description Sequences'	10	4,1 KB
19	IDS_Trinary_Operator	verwendet in 'Ideographic Description Sequences'	2	2,5 KB
20	Radical	verwendet in 'Ideographic Description Sequences'	329	54 KB
21	Other_Default_Ignorable_Code_Point	Codepunkte, die von verarbeitenden Programmen bei der Ermittlung der Textgrenzen ignoriert werden dürfen	21	5,8 KB
22	Deprecated	Veraltete Zeichen. Diese werden niemals aus dem Standard entfernt, sie sollten jedoch nicht mehr genutzt werden	10	4,1 KB
23	Soft_Dotted	Zeichen mit einem 'soft dot' wie i oder j. Ein Accent auf diese Zeichen sollte den Punkt verschwinden lassen	15	6 KB
24	Logical_Order_Exception	einige wenige Zeichen (Thai, Lao), für die Ausnahmen bei der Ordnung notwendig sind	10	3,8 KB
25	Other_ID_Start	Sonstige Identifier-Startzeichen, also Zeichen, mit welchen Namen beginnen dürfen. Die Gesamtmenge aller Startzeichen umfaßt zu dieser Menge Lu + Ll + Lt + Lm + Lo + Nl, als ID_Continue (folgende Zeichen in Namen) sind Mn + Mc + Nd + Pc erlaubt	4	2,9 KB
26	STerm	Sentence Terminal	36	9,4 KB
27	Variation_Selector	spezielle Bedeutung	19	5,3 KB

4. Eigenschaften in bezug auf den bidirektionalen Algorithmus (Bidi-Class)

Der bidirektionale Algorithmus legt fest, wie Zeichen verschiedener Schriftrichtung (links-rechts versus rechts-links) verarbeitet werden und wie im Fall von gemischten Texten zu verfahren ist. Dies deckt jene Probleme ab, welche bei Zitaten (Englisch mit eingebettetem Hebräisch u.ä.) auftreten können. Jedem Codepunkt ist genau eine der 19 Eigenschaften zugeordnet. Für die Bidi-Klassen 'L' und 'ON' wurde keine Datei erstellt, da die Ausgaben extrem groß geworden wäre. Die Bidi-Klassen sind ebenfalls in der Blockdarstellung enthalten.

Nr	Bidi-Class	Beschreibung	Typ	Anzahl	Größe
1	AL	Right-to-Left Arabic	strong	978	170,9 KB
2	AN	Arabic Number	weak	12	4 KB
3	B	Paragraph Separator	neutral	7	3,5 KB
4	BN	Boundary Neutral	weak	71	13,2 KB
5	CS	Common Number Separator	weak	13	4,9 KB
6	EN	European Number	weak	70	13,7 KB
7	ES	European Number Separator	weak	3	2,9 KB
8	ET	European Number Terminator	weak	61	13,7 KB
9	L	Left-to-Right	strong	7519	no file
10	LRE	Left-to-Right Embedding	strong	1	2,3 KB
11	LRO	Left-to-Right Override	strong	1	2,2 KB
12	NSM	Non-Spacing Mark	weak	541	91,9 KB
13	ON	Other Neutrals	neutral	2705	no file
14	PDF	Pop Directional Format	weak	1	2,3 KB
15	R	Right-to-Left	strong	80	15,3 KB
16	RLE	Right-to-Left Embedding	strong	1	2,3 KB
17	RLO	Right-to-Left Override	strong	1	2,2 KB
18	S	Segment Separator	neutral	3	2,5 KB
19	WS	Whitespace	neutral	19	5,8 KB

5. Anmerkungen zu den Einzeldarstellungen

Die teils sehr großen Blöcke CJK Unified Ideographs, CJK Unified Ideographs Extension A sowie Hangul Syllables wurden nicht verarbeitet. Der Bereich von #xD800 bis #xF8FF (Surrogat-Zeichen und privater Bereich) entfällt, da dieser Bereich keine darstellbaren Zeichen enthält.
Die Codierung der dargestellten Zeichen erfolgt immer in der Form &#x[Unicode-Word]; als Character-Entity, die Dateien sind durchweg UTF-8 und enthalten keine Sonderzeichen. Der Font 'Arial Unicode MS' unterstützt alle Definitionen von Unicode-2.1.
Jeder Blockdatei wurde eine kleine Statistik angefügt, welche die absolute und relative Häufigkeit der Zeichen dieses Blocks aufgeteilt auf die Kategorien auflistet. Hier sind die ausführlichen Namen der Kategorien aufgeführt, in den Tabellen wird nur der aus zwei Zeichen bestehende Kurzname verwendet.
In den Blockdateien sind die Kategorien als Link gestaltet. Diese Links sollten erst dann genutzt werden, wenn zuvor die Größen der einzelnen Kategorie-Dateien beachtet wurde. Diese Warnung gilt insbesondere für die Kategorien Lo und So. Die weiteren Einzeldarstellungen (Kategorien, weitere Properties und Bidi-Klasse) sind nach Blöcken sortiert. Um diese 30 Dateien nicht unnötig zu vergrößern, wurde nur dem jeweils ersten Eintrag eines Blocks ein Link in die zugeordnete Blockdatei zugewiesen.
Jede Einzeldarstellung enthält oben rechts einen individuelle Rücksprung zur Hauptseite. Dieser Link verweist auf die Zeile, welche die übergeordneten Informationen zur Einzeldarstellung enthält.

6. Copyright

Die der Unicode-Datenbank zugrundeliegenden Rohdaten (DATA FILES) stammen von www.unicode.org/Public/UNIDATA/UCD.html, verwendet wurde die Version 4.0.1. Für diese liegt das Copyright bei Unicode.org, siehe LICENSE AGREEMENT - DATA FILES AND SOFTWARE.
Die Daten wurden im wesentlichen unverändert übernommen. Ausgenommen sind die folgenden drei Anpassungen:
- Für 33 Zeichen von Basic Latin sowie 32 Zeichen von Latin-1 Supplement wurde nicht die unspezifische Bezeichnung <control> aus der UnicodeData.txt (Feld 'Name'), sondern der ältere Unicode_1_Name aus der Version 1.0 (Feld 'Unicode_1_Name') in die Detaildarstellung übernommen. Dieses Feld enthält für die Steuerzeichen jene bekannten Namen wie 'Line Feed' oder 'NEL', die 65 hierdurch veränderten Ausdrücke sind durch ein angehängtes '*' kenntlich gemacht.
- Zur Ermittlung der Version wurden die UnicodeData.txt-Dateien der Versionen 2.1-3.2 herangezogen. Die DerivedAge.txt wurde anschließend zur Kontrolle genutzt.
- Zeichen der Klasse Mn (Mark, Nonspacing), die zu den diakritischen Zeichen gehören, wurden ein 'a' vorangestellt, um die Kombination aus Basiszeichen und Kombinationszeichen sichtbar zu machen. Eine Einfügung nur mit umgebenden Leerzeichen führt dazu, daß nichts angezeigt wird. Zeichen, die als WhiteSpace fungieren, wurden mit umgebendem A/B eingefügt, damit die Breite des Leerraums sichtbar wird.
Die Unicode-Datenbank existiert nur in einer Html-Version. Auf eine Xml-Version wurde, im Gegensatz zu den sonstigen Seiten der Domain, verzichtet. Die Steuerzeichen der Klasse Cc (Other, Control) wurden nicht als Entities ausgegeben, da das Resultat kein korrektes XHtml1.1 wäre.
Das Copyright für die Darstellung und Aufbereitung liegt bei Jürgen Auer. Die Darstellung wurde angefertigt, um einfach testen zu können, welche Zeichen auf welchem Browser mittels üblichen Unicode-Codierung angezeigt werden können, um Zeichengruppen in einer Tabelle darzustellen, die über diverse Blöcke verstreut sind sowie um Möglichkeiten anzubieten, welche Zeichen in RegEx-patterns durch Klassen- oder Blocknamen ausgewählt werden können. In Ergänzung zu den Nutzungsbedingungen im Impressum gilt: Es ist nicht gestattet, die Informationen maschinell auszulesen bzw. Details zu extrahieren, um diese auf eine neue Weise unter eigenem Copyright anzubieten.
Copyright der Offline-Variante:
- Sie dürfen diese Unicode-Datenbank, analog zur Online-Variante, beruflich, privat und für Lehrtätigkeiten einschließlich kommerzieller Schulungen nutzen.
- Sie dürfen die Unicode-Datenbank in unveränderter Form kostenlos kopieren und weitergeben.
- Die Unicode-Datenbank darf auf kostenlosen oder kostenpflichtigen CDRoms und ähnlichen Softwaresammlungen vertrieben werden. Bei kostenpflichtigen Angeboten (für eigene EDV-Kunden, Leser der Zeitschrift) muß die Unicode-Datenbank Teil einer größeren Sammlung wie 'Informationen für die eigene Homepage' o.ä. sein. Bei nicht kommerziellen Angeboten kann die Unicode-Datenbank der einzigste Inhalt des Datenträgers sein.

Falls Sie diese Informationen nützlich finden, können Sie die aktuelle Seite gerne verlinken. Kopieren Sie den untenstehenden Code in Ihren Quelltext oder passen Sie den Linktext Ihren Bedürfnissen an.

<a href='http://www.sql-und-xml.de/unicode-database/'>Unicode-Datenbank</a>