Почему Apache Commons считает '१२३' числовым?

Согласно документации Apache Commons Lang для StringUtils.isNumeric(), строка '' является числовой.

Поскольку я считал, что это могло быть ошибкой в ​​документации, я провел тесты, чтобы проверить утверждение. Я обнаружил , что в соответствии с Apache Commons он является числовым.

Почему эта строка числовая? Что представляют собой эти персонажи?

Потому что этот «CharSequence содержит только цифры Unicode» (цитирую вашу связанную документацию ).

Все символы возвращают истину для Character.isDigit:

Некоторые диапазоны символов Юникода, содержащие цифры:

• '\ u0030' - '\ u0039', цифры ISO-LATIN-1 (от '0' до '9')
• от '\ u0660' до '\ u0669', арабско-индийские цифры
• '\ u06F0' - '\ u06F9', расширенные арабско-индийские цифры
• '\ u0966' - '\ u096F', цифры деванагари
• от '\ uFF10' до '\ uFF19', цифры полной ширины

Многие другие диапазоны символов также содержат цифры.

१२३ цифры Деванагари:

• १это DEVANAGARI DIGIT ONE,\u0967
• २является деванагари DIGIT TWO,\u0968
• ३является деванагари DIGIT THREE,\u0969

Символ १२३ такой же, как 123 для непальского языка или любого другого языка, использующего сценарий деванагари, такого как хинди, гуджарати и т. Д., И поэтому является числом для Apache Commons.

Вы можете использовать Character#getTypeдля проверки общей категории персонажа:

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

Будет напечатано true, что является «доказательством» того, что '१' - это цифровое число .

Теперь давайте рассмотрим значение Unicode символа '१':

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

Это число находится в диапазоне цифр Деванагари, то есть до \u0966конца \u096F.

Также попробуйте:

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

Деванагари :

алфавит абугида (алфавитный алфавит) Индии и Непала

«१२३» - это «123» (основной латинский юникод).

Чтение:

• Подробнее о символе "१"
• StringUtils#isNumeric реализация

Если вы когда-нибудь захотите узнать, какими свойствами обладает тот или иной «персонаж» (а их довольно много), перейдите непосредственно к источнику: Unicode.org . У них есть исследовательские инструменты, которые могут показать вам почти все, что вам интересно.

• Если вы хотите увидеть все свойства определенного персонажа, попробуйте следующее:

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

  или:

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

• Если вы хотите увидеть все символы, классифицированные как «десятичные цифры» (т. Е. С числовыми значениями от 0 до 9), попробуйте следующее:

  http://unicode.org/cldr/utility/list-unicodeset.jsp?a=[:Numeric_Type=Decimal:]
  ^{(550 кодовых точек - в настоящее время / в Unicode 9.0)}

• Если вы хотите увидеть все символы, классифицируемые как «недесятичные цифры» (например, дроби, обведенные кружками и т. Д.), Попробуйте следующее:

  http://unicode.org/cldr/utility/list-unicodeset.jsp?a=[:Numeric_Type=Numeric:]
  ^{(836 кодовых точек - в настоящее время / по состоянию на Unicode 9.0)}

• Если вы хотите видеть все символы, классифицируемые как «десятичные цифры» (т.е. с числовыми значениями от 0 до 9), но только до Unicode 6.0 (который использует .NET) , попробуйте следующее:

  http://unicode.org/cldr/utility/list-unicodeset.jsp?a=[:Numeric_Type=Decimal:pting%26[:Age=6.0:]
  ^{(420 кодовых точек - и не должны меняться)}

• Если вы хотите видеть все символы, классифицированные как «десятичные цифры» (т. Е. С числовыми значениями от 0 до 9), но только до Unicode 6.0 (который использует .NET) и только в базовой многоязычной плоскости / без дополнительных символов ( т.е. ничего выше Code Point 65535 / U + 0xFFFF) , попробуйте следующее:

  http://unicode.org/cldr/utility/list-unicodeset.jsp?a=[:Numeric_Type=Decimal:pting%26[:Age=6.0: ]%26[:bmp=Yes:]
  ^{(350 кодовых точек - - и не должно меняться)}

ВНИМАНИЕ: Консорциум Unicode производит спецификацию, а не программное обеспечение. Это означает, что каждый поставщик программного обеспечения должен реализовать спецификацию как можно точнее . Так же, как HTML, JavaScript, CSS, SQL и т. Д., Существуют различия между разными платформами, языками и т. Д. Например, я обнаружил ошибку в Microsoft .NET Framework, в которой обведены латинские буквы A-Zи a-z- кодовые точки от 0x24B6 до 0x24E9 - не регистрируются должным образом как существующие char.IsLetter = true( отчет об ошибке здесь ). И это приводит к неожиданному поведению связанных функций, например, при вызове TextInfo.ToTitleCase()метода ( отчет об ошибке здесь ).

Символы '१२३' на самом деле получены из языка хинди (в основном из санскрита, т.е. деванагири), которые представляют числовые значения, например:

१ представляют 1

२ представляют 2

и как мудрый