Cosa sono i "caratteri di connessione" negli identificatori Java?

Sto leggendo per SCJP e ho una domanda su questa riga:

Gli identificatori devono iniziare con una lettera, un carattere di valuta ($) o un carattere di connessione come il trattino basso (_). Gli identificatori non possono iniziare con un numero!

Indica che un nome identificativo valido può iniziare con un carattere di connessione come il carattere di sottolineatura. Pensavo che i trattini bassi fossero l'unica opzione valida? Quali altri personaggi di collegamento ci sono?

Ecco un elenco di caratteri di collegamento. Questi sono i caratteri usati per collegare le parole.

http://www.fileformat.info/info/unicode/category/Pc/list.htm

U+005F _ LOW LINE
U+203F ‿ UNDERTIE
U+2040 ⁀ CHARACTER TIE
U+2054 ⁔ INVERTED UNDERTIE
U+FE33 ︳ PRESENTATION FORM FOR VERTICAL LOW LINE
U+FE34 ︴ PRESENTATION FORM FOR VERTICAL WAVY LOW LINE
U+FE4D ﹍ DASHED LOW LINE
U+FE4E ﹎ CENTRELINE LOW LINE
U+FE4F ﹏ WAVY LOW LINE
U+FF3F ＿ FULLWIDTH LOW LINE

Questo viene compilato su Java 7.

int _, ‿, ⁀, ⁔, ︳, ︴, ﹍, ﹎, ﹏, ＿;

Un esempio. In questo caso tpè il nome di una colonna e il valore per una determinata riga.

Column<Double> ︴tp︴ = table.getColumn("tp", double.class);

double tp = row.getDouble(︴tp︴);

Il seguente

for (int i = Character.MIN_CODE_POINT; i <= Character.MAX_CODE_POINT; i++)
    if (Character.isJavaIdentifierStart(i) && !Character.isAlphabetic(i))
        System.out.print((char) i + " ");
}

stampe

$ _ ¢ £ ¤ ¥ ؋ ৲ ৳ ৻ ૱ ௹ ฿ ៛ ‿ ⁀ ⁔ ₠ ₡ ₢ ₣ ₤ ₥ ₦ ₧ ₨ ₩ ₪ ₫ € ₭ ₮ ₯ ₰ ₱ ₱ ₳ ₴ ₵ ₶ ₷ ₸ ₹ ꠸ ﷼ ︳ ︴ ﹎ ﹎ ﹩ ＄ ＿ ￠ ￡ ￥ ￦

scorrere tutti i caratteri 65k e chiedere Character.isJavaIdentifierStart(c). La risposta è: "undertie" decimale 8255

La specifica definitiva di un identificatore Java legale è disponibile nella specifica del linguaggio Java .

Ecco un elenco di caratteri connettore in Unicode. Non li troverai sulla tastiera.

U + 005F LOW LINE _
U + 203F UNDERTIE ‿
U + 2040 CHARACTER TIE ⁀
U + 2054 INVERTED UNDERTIE ⁔
U + FE33 MODULO DI PRESENTAZIONE PER VERTICAL LOW LINE ︳
U + FE34 MODULO DI PRESENTAZIONE PER VERTICALE WAVY LOW LINE ︴
U + FE4D DASHED LOW LINE ﹍
U + FE4E CENTRELINE LOW LINE ﹎
U + FE4F WAVY LOW LINE ﹏
U + FF3F FULLWIDTH LOW LINE ＿

Un carattere di connessione viene utilizzato per connettere due personaggi.

In Java, un carattere di connessione è quello per cui Character.getType (int codePoint) / Character.getType (char ch) restituisce un valore uguale a Character.CONNECTOR_PUNCTUATION .

Si noti che in Java, le informazioni sui caratteri si basano sullo standard Unicode che identifica i caratteri di connessione assegnando loro la categoria generale Pc, che è un alias per Connector_Punctuation .

Il seguente frammento di codice,

for (int i = Character.MIN_CODE_POINT; i <= Character.MAX_CODE_POINT; i++) {
    if (Character.getType(i) == Character.CONNECTOR_PUNCTUATION
            && Character.isJavaIdentifierStart(i)) {
        System.out.println("character: " + String.valueOf(Character.toChars(i))
                + ", codepoint: " + i + ", hexcode: " + Integer.toHexString(i));
    }
}

stampa i caratteri di connessione che possono essere utilizzati per avviare un identificatore su jdk1.6.0_45

character: _, codepoint: 95, hexcode: 5f
character: ‿, codepoint: 8255, hexcode: 203f
character: ⁀, codepoint: 8256, hexcode: 2040
character: ⁔, codepoint: 8276, hexcode: 2054
character: ・, codepoint: 12539, hexcode: 30fb
character: ︳, codepoint: 65075, hexcode: fe33
character: ︴, codepoint: 65076, hexcode: fe34
character: ﹍, codepoint: 65101, hexcode: fe4d
character: ﹎, codepoint: 65102, hexcode: fe4e
character: ﹏, codepoint: 65103, hexcode: fe4f
character: ＿, codepoint: 65343, hexcode: ff3f
character: ･, codepoint: 65381, hexcode: ff65

Le seguenti compilazioni su jdk1.6.0_45,

int _, ‿, ⁀, ⁔, ・, ︳, ︴, ﹍, ﹎, ﹏, ＿, ･ = 0;

Apparentemente, la dichiarazione di cui sopra non può essere compilata su jdk1.7.0_80 e jdk1.8.0_51 per i seguenti due caratteri di connessione (compatibilità con le versioni precedenti ... oops !!!),

character: ・, codepoint: 12539, hexcode: 30fb
character: ･, codepoint: 65381, hexcode: ff65

Comunque, a parte i dettagli, l'esame si concentra solo sul set di caratteri latini di base .

Inoltre, per gli identificatori legali in Java, le specifiche sono fornite qui . Utilizzare le API della classe di caratteri per ottenere maggiori dettagli.

Uno dei personaggi più divertenti, consentiti negli identificatori Java (comunque non all'inizio) è il personaggio unicode chiamato "Zero Width Non Joiner" (& zwnj ;, U + 200C, https://en.wikipedia.org / wiki / Zero-width_non-joiner ).

L'ho avuto una volta in un pezzo di XML all'interno di un valore di attributo che conteneva un riferimento a un altro pezzo di tale XML. Poiché ZWNJ è "larghezza zero" non può essere visto (tranne quando si cammina insieme al cursore, viene visualizzato prima sul personaggio). Inoltre, non è stato visualizzato nel file di log e / o nell'output della console. Ma era sempre lì: copia e incolla nei campi di ricerca lo ha ottenuto e quindi non ha trovato la posizione indicata. Digitando la (parte visibile della) stringa nel campo di ricerca è stata tuttavia trovata la posizione indicata. Mi ci è voluto un po 'per capirlo.

Digitare uno Zero-Width-Non-Joiner è in realtà abbastanza facile (troppo facile) quando si utilizza il layout della tastiera europea, almeno nella sua variante tedesca, ad esempio "Europatastatur 2.02" - è raggiungibile con AltGr + ".", Due tasti che purtroppo si trovano uno accanto all'altro sulla maggior parte delle tastiere e possono essere facilmente colpiti insieme accidentalmente.

Torna a Java: ho pensato bene, potresti scrivere del codice in questo modo:

void foo() {
    int i = 1;
    int i‌ = 2;
}

con il secondo ho aggiunto un non-joiner a larghezza zero (non posso farlo nel codice sopra riportato nell'editor dello stackoverflow), ma non ha funzionato. IntelliJ (16.3.3) non si è lamentato, ma JavaC (Java 8) si è lamentato di un identificatore già definito - sembra che JavaC in realtà permetta al personaggio ZWNJ come parte di un identificatore, ma quando si usa la riflessione per vedere cosa fa, lo ZWNJ il personaggio viene rimosso dall'identificatore - qualcosa che caratteri come ‿ non lo sono.

L'elenco dei personaggi che puoi usare all'interno dei tuoi identificatori (piuttosto che solo all'inizio) è molto più divertente:

for (int i = Character.MIN_CODE_POINT; i <= Character.MAX_CODE_POINT; i++)
    if (Character.isJavaIdentifierPart(i) && !Character.isAlphabetic(i))
        System.out.print((char) i + " ");

L'elenco è:

I wanted to post the output, but it's forbidden by the SO spam filter. That's how fun it is!

Include la maggior parte dei personaggi di controllo! Intendo campane e merda! Puoi far suonare il tuo codice sorgente su fn bell! Oppure usa i caratteri che verranno visualizzati solo a volte, come il trattino morbido.