识别不同语言中的Unicode数字

Question

在Unicode中，每种语言都有自己的数字表示方式。例如，ASCII使用“3”，日语使用“３”，等等。无论一个数字用哪个Unicode字节表示，我该如何识别它是一个“三”呢？

- Alex

Answer 1

阅读关于规范属性十进制数字值，数字值和数值的内容，UnicodeData文件格式中有相关信息：

十进制数字值 规范性描述 这是一个数字字段。如果字符具有十进制数字属性，如Unicode标准第4章中所指定的那样，则该数字的值将用该字段中的整数值表示。

数字值 规范性描述 这是一个数字字段。如果字符代表一个数字，不一定是十进制数字，则该值在此处。这包括不形成十进制基数形式的数字，例如兼容上标数字。

数值 规范性描述 这是一个数字字段。如果字符具有数值属性，如Unicode标准第4章中所指定的那样，则该字符的值将用该字段中的整数或有理数表示。这包括分数，例如U+2155 VULGAR FRACTION ONE FIFTH的“1/5”。还包括兼容字符的数值，例如圆形数字。

例如，Python的unicodedata模块提供了访问Unicode字符数据库的功能，该数据库定义了所有Unicode字符的字符属性，请参见实现：unicodedata — Unicode Database：

import unicodedata

numchars = '\u0033','\u00B3','\u0663','\u06F3','\u07C3','\u0969','\uFF13','\u2155'

for numchar in numchars:
    print( numchar
        , unicodedata.decimal( numchar, -1)
        , unicodedata  .digit( numchar, -1)
        , unicodedata.numeric( numchar, -1)
        , unicodedata   .name( numchar, '? ? ?') )

输出:

==> D:\test\Python\Py3\41045800.py
3 3 3 3.0 数字三
³ -1 3 3.0 上标数字三
٣ 3 3 3.0 阿拉伯数字三
۳ 3 3 3.0 扩展阿拉伯数字三
߃ 3 3 3.0 NKO数字三
३ 3 3 3.0 梵文数字三
３ 3 3 3.0 全角数字三
⅕ -1 -1 0.2 分数一五分之一
==>

P.S. 给出的 Python 示例，因为问题没有标记任何特定语言。

- JosefZ