区块与「已分配」

Unicode 给码位划了区块（block）：一段连续的范围，配一个名字，比如「基本拉丁字母」是 U+0000–U+007F、「中日韩统一表意文字」是 U+4E00–U+9FFF。这份表在官方 Blocks.txt 里，目前三百多个（随版本增加）。

区块是行政分区，不是分类#

区块只说明「这段码位归谁管」，不说明字符是什么：

• 同一个区块里可以有字母、数字、标点、符号；
• 同一个「类别」的字符可能散在几十个区块里；
• 区块之间还有空隙（不属于任何区块的码位）。

真正的「分类」是 general category（字母 / 数字 / 标点 / 符号 / 控制……）与 script（拉丁 / 希腊 / 汉字……）。它们与区块不是一回事。

未分配码位#

区块是一个预留范围，里面不一定填满。典型的两个例子：

Basic Latin 少掉的 33 个是控制字符（U+0000–U+001F 与 U+007F）：它们在编码里合法，但没有正式名字，所以不算「已分配」。这也是本站覆盖率里那个数字是 95 而不是 128 的原因。

「已分配」到底怎么算#

本站的口径是：有正式名字的码位。

具体做法：读 extracted/DerivedName.txt（Unicode 官方给的「推导后的名字」，CJK 那种 CJK UNIFIED IDEOGRAPH-4E00 已经帮你算好），再和 UnicodeData.txt 的 general category 合并成小段，最后统计每个区块里落在这些段内的码位数。

所以：

• 控制字符：有编码、无名字 → 不算；
• CJK 汉字：有推导出来的名字 → 算；
• 私用区：没有名字 → 不算；
• 代理区：不是字符 → 不算。

本站怎么显示#

区块行上写的是 covered / assigned：这个字体在这个区块里，把「该有的字」画了多少。

进度条的宽度则是按区块大小算的。两个分母不同，看起来会有点反直觉：CJK 那种两万多码位的区块，条永远很短，但数字可能很好看。

为什么不统一用区块大小？因为对字体不公平：没人可能覆盖「未分配」的码位，用区块大小做分母只会得到一串个位数百分比，看不出差别。为什么不统一用已分配？因为那样就偏心那些「几乎全分配」的小区块，而且条会失去「这段范围里我占了多少地」的直观意义。

区块收藏#

本站的收藏按区块收，不按单个字符：一个 CJK 区块两万多码位，逐字收藏既没用也存不下。收藏只记区块序号，具体内容每次都从服务端现取。

延伸阅读#

• Unicode 官方：Blocks.txt
• Unicode 官方：extracted/DerivedName.txt
• Unicode 标准第 4 章（Character Properties）