Question

有时我们需要匹配ASCII范围之外的字符。ASCII（American Standard Code for Information Interchange，美国信息交换标准代码）定义了英文字符集（A到Z的大写和小写字母，以及控制字符与其他字符）。它的历史已经很久了，早在1968年这个基于拉丁字母的含有128个字符的字符集就得到了标准化。那时个人电脑、VisiCalc、鼠标、Web都还没有出现，而现在我仍然会经常在线查询ASCII字符表。

多年以前，我刚开始自己的职业生涯的时候，与一位工程师同事在钱包里放了一张ASCII码表。这是以防万一：出门时别忘记带上ASCII码表。

我并不否认ASCII的重要性，但是现在它已经过时了，尤其是我们有了可以表示超过10万个字符的Unicode标准（http://www.unicode.org）。然而，Unicode也没有完全舍弃ASCII，它将ASCII加入了它的基本拉丁（Basic Latin）码表中（参见http://www.unicode.org/charts/PDF/U0000.pdf）。

本章，我们将跳出ASCII的小圈子，投入已经较为普及的Unicode的世界。

本章第一个示例文本是代码库中的voltaire.txt文件，这是法国哲学家伏尔泰（1694—1778）的一段话。

Qu'est-ce que la tolérance? c'est l'apanage de l'humanité. Nous sommes tous pétris de faiblesses et d'erreurs; pardonnons-nous réciproquement nos sottises, c'est la première loi de la nature.

翻译成英文就是：

What is tolerance? It is the consequence of humanity. We are all formed of frailty and error; let us pardon reciprocally each other's folly—that is the first law of nature.

这段话的意思是：什么是宽容？它是人性的产物。我们生来都有缺陷和错误，就让我们原谅彼此的蠢行吧！这才是自然的第一法则。