字符属性

点开一个字符，除了名字，还有一串属性。它们来自 Unicode 的字符数据库（UCD），不是字体里的东西——同一份属性适用于所有字体。

名字（Name）#

每个已分配码位有一个正式名字，由规范给出，不能改：

• U+0041 → LATIN CAPITAL LETTER A
• U+4E2D → CJK UNIFIED IDEOGRAPH-4E2D
• U+1F600 → GRINNING FACE

名字是标识，不是描述：GRINNING FACE 只是这个名字，不代表任何具体长相。

控制字符没有名字（<control> 之类是占位），所以本站统计已分配时不算它们，见 区块与已分配。

general category：这个字是什么#

两字母代码，分七大类：

细分的常用几个：

本站侧栏在区块下面会给一张类别分布：这个区块里有多少字母、多少标点、多少符号。区块里是混的，所以给分布而不给一个假结论。

script：属于哪种文字#

脚本（Script） 是这套字符属于哪种书写系统：Latin、Han、Hiragana、Greek、Arabic……

它与区块不是一回事：汉字分散在多个区块里（基本区、扩展 A–I、兼容区……），而一个区块里可能只有一种脚本。

脚本影响排版：

• 换行规则（中文按字断、泰文按词断）；
• 字体选择（回退链常按脚本挑）；
• locl 特性按语言换字形（见 GSUB / GPOS）。

组合类与规范化#

é 可以是一个码位（U+00E9），也可以是两个（U+0065 + U+0301）。两者看起来一样，但字符串比较不等：

'é' === 'é'        // false —— 一个是预组合，一个是组合序列
'é'.normalize('NFC') === 'é'.normalize('NFC')  // true

Unicode 定义了四种规范化形式（NFC / NFD / NFKC / NFKD）。要比较用户输入、做搜索、存数据库，先 normalize('NFC') 是常规做法。

组合类的值（Combining Class）决定多个标记叠在一起时谁在上谁在下——这对排版引擎重要，对写业务代码通常不重要。

本站侧栏显示什么#

点一个字符，右栏分两块：

区块那块：区块名、码位范围、已分配 / 区块大小、类别分布。

字符那块：

• 字形预览（载入字体后就是这个字体的字形）；
• 正式名字（取不到时显示未知）；
• 码位（十六进制）；
• 在不在当前字体里；
• 转义表：HTML、CSS、JavaScript、0x、\u{}、Perl、URL 编码各怎么写。

转义表看着琐碎，但它解决的是我要把这个字放进代码里这个具体问题——尤其是星平面字符（\uD83D\uDE00 这种代理对写法），手写很容易错。

延伸阅读#

• Unicode 标准第 4 章（Character Properties）
• UAX #15（Unicode Normalization Forms）
• Unicode 官方：UnicodeData.txt、extracted/DerivedName.txt