如何生成所有可能的unicode字符？

Question

如果我们输入字母，我们会得到英文字母表中的所有小写字母。但是，还有更多可能的字符，例如 ä、é 等。还有诸如 $ 或 ( 之类的符号。我发现 这张 unicode 字符表正是我所需要的。当然，我不想在一个向量中复制并粘贴数百个可能的 unicode 字符。

到目前为止我尝试过的：table 给出（部分）unicode 字符的小数，例如，请参阅以下小表：

Glyph    Decimal    Unicode    Usage in R
!        33         U+0021     "\U0021"

因此，如果输入 "\U0021" 我们会得到 !。此外，paste0("U", format(as.hexmode(33), width= 4、flag="0")) 返回 "U0021" 这与我需要的非常接近，但添加 \ 会导致错误：

paste0("\U", format(as.hexmode(33), width= 4, flag="0"))
Error: '\U' used without hex digits in character string starting ""\U"

我被卡住了恐怕即使我弄清楚如何使用 as.hexmode() 将数字转换为字符，仍然存在所有 unicode 字符都没有小数的问题（请参阅表格，小数以 591 结尾）。

知道如何生成一个包含 表 链接中列出的所有 unicode 字符的向量吗？

（这个问题始于一个现实世界的问题，但现在我主要只是渴望知道如何做到这一点。）

Answer 1

可能有更简单的方法可以做到这一点，但这里是。 Unicode 包包含您需要的一切。

首先，我们可以获得 unicode 脚本和块范围的列表：

library(Unicode)  

uranges <- u_scripts()

检查我们得到了什么：

head(uranges, 3)

$Adlam
[1] U+1E900..U+1E943 U+1E944..U+1E94A U+1E94B          U+1E950..U+1E959 U+1E95E..U+1E95F

$Ahom
 [1] U+11700..U+1171A U+1171D..U+1171F U+11720..U+11721 U+11722..U+11725 U+11726          U+11727..U+1172B U+11730..U+11739 U+1173A..U+1173B U+1173C..U+1173E U+1173F         
[11] U+11740..U+11746

$Anatolian_Hieroglyphs
[1] U+14400..U+14646

接下来我们可以将范围转换为其序列。

expand_uranges <- lapply(uranges, as.u_char_seq)

要获得所有字符的单个向量，我们可以将其取消列出。这并不容易使用，所以实际上最好将它们保留为列表：

all_unicode_chars <- unlist(expand_uranges)

# The Wikipedia page linked states there are 144,697 characters 
length(all_unicode_chars)
[1] 144762

似乎是所有这些，并且页面需要更新。它们存储为整数，以便打印它们（假设支持字形），我们可以这样做，例如打印日语片假名：

intToUtf8(expand_uranges$Katakana[[1]])

[1] "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"