Perché Apache Commons considera "१२३" un valore numerico?

Secondo la documentazione di Apache Commons Lang per StringUtils.isNumeric(), la stringa "१२३" è numerica.

Poiché credevo che questo potesse essere un errore nella documentazione, ho eseguito dei test per verificare l'istruzione. Ho scoperto che in base alla Apache Commons si è numerico.

Perché questa stringa è numerica? Cosa rappresentano quei personaggi?

Perché "CharSequence contiene solo cifre Unicode" (citando la documentazione collegata ).

Tutti i caratteri restituiscono true per Character.isDigit:

Alcuni intervalli di caratteri Unicode che contengono cifre:

• Da "\ u0030" a "\ u0039", cifre ISO-LATIN-1 (da "0" a "9")
• Da "\ u0660" a "\ u0669", cifre arabo-indiane
• Da '\ u06F0' a '\ u06F9', cifre estese arabo-indiane
• Cifre da "\ u0966" a "\ u096F" in devanagari
• Da "\ uFF10" a "\ uFF19", cifre a larghezza intera

Molti altri intervalli di caratteri contengono anche cifre.

१२३ sono cifre Devanagari:

• १è DEVANAGARI DIGIT ONE,\u0967
• २è DEVANAGARI DIGIT TWO,\u0968
• ३è DEVANAGARI DIGIT THREE,\u0969

Il simbolo १२३ è lo stesso di 123 per la lingua nepalese o qualsiasi altra lingua che utilizza lo script Devanagari come hindi, gujarati e così via, ed è quindi un numero per Apache Commons.

Puoi usare Character#getTypeper controllare la categoria generale del personaggio:

System.out.println(Character.DECIMAL_DIGIT_NUMBER == Character.getType('१'));

Questo stamperà true, che è una "prova" che '१' è un numero di cifre .

Ora esaminiamo il valore Unicode del carattere '१':

System.out.println(Integer.toHexString('१'));
// 967

Questo numero è sulla gamma di cifre Devanagari - che è: \u0966attraverso \u096F.

Prova anche:

Character.UnicodeBlock block = Character.UnicodeBlock.of('१');
System.out.println(block.toString());
// DEVANAGARI

Devanagari è:

è un alfabeto abugida (alfa-sillabario) dell'India e del Nepal

"१२३" è un "123" (Unicode latino di base).

Lettura:

• Maggiori dettagli sul carattere "१"
• StringUtils#isNumeric implementazione

Se vuoi sapere quali proprietà ha un particolare "carattere" (e ce ne sono parecchie), vai direttamente alla fonte: Unicode.org . Hanno strumenti di ricerca che possono mostrarti quasi tutto ciò che vorresti sapere.

• Se vuoi vedere tutte le proprietà di un personaggio specifico, prova quanto segue:

  http://unicode.org/cldr/utility/character.jsp?a=1

  o:

  http://unicode.org/cldr/utility/character.jsp?a=%E0%A5%A7

• Se desideri visualizzare tutti i caratteri classificati come "cifre decimali" (ovvero con valori numerici compresi tra 0 e 9), prova quanto segue:

  http://unicode.org/cldr/utility/list-unicodeset.jsp?a=[:Numeric_Type=Decimal:]
  ^{(550 punti codice - attualmente / a partire da Unicode 9.0)}

• Se desideri visualizzare tutti i caratteri classificati come "numeri con cifre non decimali" (ovvero frazioni, cerchiati e così via), prova quanto segue:

  http://unicode.org/cldr/utility/list-unicodeset.jsp?a=[:Numeric_Type=Numeric:]
  ^{(836 punti codice - attualmente / a partire da Unicode 9.0)}

• Se desideri visualizzare tutti i caratteri classificati come "cifre decimali" (ovvero con valori numerici compresi tra 0 e 9), ma solo fino a Unicode 6.0 (utilizzato da .NET) , prova quanto segue:

  http://unicode.org/cldr/utility/list-unicodeset.jsp?a=[:Numeric_Type=Decimal:”%26[:Age=6.0:]
  ^{(420 punti codice - e non dovrebbe cambiare)}

• Se desideri visualizzare tutti i caratteri classificati come "cifre decimali" (ovvero con valori numerici compresi tra 0 e 9), ma solo fino a Unicode 6.0 (che utilizza .NET) e solo nel piano multilingue di base / nessun carattere supplementare ( cioè niente al di sopra del punto di codice 65535 / U + 0xFFFF) , prova quanto segue:

  http://unicode.org/cldr/utility/list-unicodeset.jsp?a=[:Numeric_Type=Decimal:]%26[:Age=6.0:]%26[:bmp=Yes:]
  ^{(350 Codice Punti - - e non dovrebbe cambiare)}

TIENI A MENTE: L'Unicode Consortium produce una specifica, non un software. Ciò significa che spetta a ciascun fornitore di software implementare le specifiche nel modo più accurato possibile . Quindi, proprio come HTML, JavaScript, CSS, SQL, ecc., Esistono variazioni tra diverse piattaforme, linguaggi e così via. Ad esempio, ho trovato un bug in .NET Framework di Microsoft in base al quale le lettere latine cerchiate A-Ze i a-zpunti di codice da 0x24B6 a 0x24E9 non vengono registrati correttamente come tali char.IsLetter = true( segnalazione di bug qui ). E questo porta a comportamenti inaspettati nelle funzionalità correlate, come quando si chiama il TextInfo.ToTitleCase()metodo ( segnalazione di bug qui ).

I simboli '१२३' derivano in realtà dalla lingua hindi (fondamentalmente dalla lingua sanscrita, cioè Devanagiri) che rappresentano valori numerici proprio come:

१ rappresenta 1

२ rappresentano 2

e come un saggio