各个国家 不同字符集的unicode 编码范围

原文地址:http://blog.csdn.NET/xzl04/article/details/6307416

1. 0000-007F：C0控制符及基本拉丁文 (C0 Control and Basic Latin)
2. 0080-00FF：C1控制符及拉丁文补充-1 (C1 Control and Latin 1 Supplement)
3. 0100-017F：拉丁文扩展-A (Latin Extended-A)
4. 0180-024F：拉丁文扩展-B (Latin Extended-B)
5. 0250-02AF：国际音标扩展 (IPA Extensions)
6. 02B0-02FF：空白修饰字母 (Spacing Modifiers)
7. 0300-036F：结合用读音符号 (Combining Diacritics Marks)
8. 0370-03FF：希腊文及科普特文 (Greek and Coptic)
9. 0400-04FF：西里尔字母 (Cyrillic)
10. 0500-052F：西里尔字母补充 (Cyrillic Supplement)
11. 0530-058F：亚美尼亚语 (Armenian)
12. 0590-05FF：希伯来文 (Hebrew)
13. 0600-06FF：阿拉伯文 (Arabic)
14. 0700-074F：叙利亚文 (Syriac)
15. 0750-077F：阿拉伯文补充 (Arabic Supplement)
16. 0780-07BF：马尔代夫语 (Thaana)
17. 07C0-077F：西非書面語言 (N'Ko)
18. 0800-085F：阿维斯塔语及巴列维语 (Avestan and Pahlavi)
19. 0860-087F：Mandaic
20. 0880-08AF：撒马利亚语 (Samaritan)
21. 0900-097F：天城文书 (Devanagari)
22. 0980-09FF：孟加拉语 (Bengali)
23. 0A00-0A7F：锡克教文 (Gurmukhi)
24. 0A80-0AFF：古吉拉特文 (Gujarati)
25. 0B00-0B7F：奥里亚文 (Oriya)
26. 0B80-0BFF：泰米尔文 (Tamil)
27. 0C00-0C7F：泰卢固文 (Telugu)
28. 0C80-0CFF：卡纳达文 (Kannada)
29. 0D00-0D7F：德拉维族语 (Malayalam)
30. 0D80-0DFF：僧伽罗语 (Sinhala)
31. 0E00-0E7F：泰文 (Thai)
32. 0E80-0EFF：老挝文 (Lao)
33. 0F00-0FFF：藏文 (Tibetan)
34. 1000-109F：缅甸语 (Myanmar)
35. 10A0-10FF：格鲁吉亚语 (Georgian)
36. 1100-11FF：朝鲜文 (Hangul Jamo)
37. 1200-137F：埃塞俄比亚语 (Ethiopic)
38. 1380-139F：埃塞俄比亚语补充 (Ethiopic Supplement)
39. 13A0-13FF：切罗基语 (Cherokee)
40. 1400-167F：统一加拿大土著语音节 (Unified Canadian Aboriginal Syllabics)
41. 1680-169F：欧甘字母 (Ogham)
42. 16A0-16FF：如尼文 (Runic)
43. 1700-171F：塔加拉语 (Tagalog)
44. 1720-173F：Hanunóo
45. 1740-175F：Buhid
46. 1760-177F：Tagbanwa
47. 1780-17FF：高棉语 (Khmer)
48. 1800-18AF：蒙古文 (Mongolian)
49. 18B0-18FF：Cham
50. 1900-194F：Limbu
51. 1950-197F：德宏泰语 (Tai Le)
52. 1980-19DF：新傣仂语 (New Tai Lue)
53. 19E0-19FF：高棉语记号 (Kmer Symbols)
54. 1A00-1A1F：Buginese
55. 1A20-1A5F：Batak
56. 1A80-1AEF：Lanna
57. 1B00-1B7F：巴厘语 (Balinese)
58. 1B80-1BB0：巽他语 (Sundanese)
59. 1BC0-1BFF：Pahawh Hmong
60. 1C00-1C4F：雷布查语(Lepcha)
61. 1C50-1C7F：Ol Chiki
62. 1C80-1CDF：曼尼普尔语 (Meithei/Manipuri)
63. 1D00-1D7F：语音学扩展 (Phonetic Extensions)
64. 1D80-1DBF：语音学扩展补充 (Phonetic Extensions Supplement)
65. 1DC0-1DFF：结合用读音符号补充 (Combining Diacritics Marks Supplement)
66. 1E00-1EFF：拉丁文扩充附加 (Latin Extended Additional)
67. 1F00-1FFF：希腊语扩充 (Greek Extended)
68. 2000-206F：常用标点 (General Punctuation)
69. 2070-209F：上标及下标 (Superscripts and Subscripts)
70. 20A0-20CF：货币符号 (Currency Symbols)
71. 20D0-20FF：组合用记号 (Combining Diacritics Marks for Symbols)
72. 2100-214F：字母式符号 (Letterlike Symbols)
73. 2150-218F：数字形式 (Number Form)
74. 2190-21FF：箭头 (Arrows)
75. 2200-22FF：数学运算符 (Mathematical Operator)
76. 2300-23FF：杂项工业符号 (Miscellaneous Technical)
77. 2400-243F：控制图片 (Control Pictures)
78. 2440-245F：光学识别符 (Optical Character Recognition)
79. 2460-24FF：封闭式字母数字 (Enclosed Alphanumerics)
80. 2500-257F：制表符 (Box Drawing)
81. 2580-259F：方块元素 (Block Element)
82. 25A0-25FF：几何图形 (Geometric Shapes)
83. 2600-26FF：杂项符号 (Miscellaneous Symbols)
84. 2700-27BF：印刷符号 (Dingbats)
85. 27C0-27EF：杂项数学符号-A (Miscellaneous Mathematical Symbols-A)
86. 27F0-27FF：追加箭头-A (Supplemental Arrows-A)
87. 2800-28FF：盲文点字模型 (Braille Patterns)
88. 2900-297F：追加箭头-B (Supplemental Arrows-B)
89. 2980-29FF：杂项数学符号-B (Miscellaneous Mathematical Symbols-B)
90. 2A00-2AFF：追加数学运算符 (Supplemental Mathematical Operator)
91. 2B00-2BFF：杂项符号和箭头 (Miscellaneous Symbols and Arrows)
92. 2C00-2C5F：格拉哥里字母 (Glagolitic)
93. 2C60-2C7F：拉丁文扩展-C (Latin Extended-C)
94. 2C80-2CFF：古埃及语 (Coptic)
95. 2D00-2D2F：格鲁吉亚语补充 (Georgian Supplement)
96. 2D30-2D7F：提非纳文 (Tifinagh)
97. 2D80-2DDF：埃塞俄比亚语扩展 (Ethiopic Extended)
98. 2E00-2E7F：追加标点 (Supplemental Punctuation)
99. 2E80-2EFF：CJK 部首补充 (CJK Radicals Supplement)
100. 2F00-2FDF：康熙字典部首 (Kangxi Radicals)
101. 2FF0-2FFF：表意文字描述符 (Ideographic Description Characters)
102. 3000-303F：CJK 符号和标点 (CJK Symbols and Punctuation)
103. 3040-309F：日文平假名 (Hiragana)
104. 30A0-30FF：日文片假名 (Katakana)
105. 3100-312F：注音字母 (Bopomofo)
106. 3130-318F：朝鲜文兼容字母 (Hangul Compatibility Jamo)
107. 3190-319F：象形字注释标志 (Kanbun)
108. 31A0-31BF：注音字母扩展 (Bopomofo Extended)
109. 31C0-31EF：CJK 笔画 (CJK Strokes)
110. 31F0-31FF：日文片假名语音扩展 (Katakana Phonetic Extensions)
111. 3200-32FF：封闭式 CJK 文字和月份 (Enclosed CJK Letters and Months)
112. 3300-33FF：CJK 兼容 (CJK Compatibility)
113. 3400-4DBF：CJK 统一表意符号扩展 A (CJK Unified Ideographs Extension A)
114. 4DC0-4DFF：易经六十四卦符号 (Yijing Hexagrams Symbols)
115. 4E00-9FBF：CJK 统一表意符号 (CJK Unified Ideographs)
116. A000-A48F：彝文音节 (Yi Syllables)
117. A490-A4CF：彝文字根 (Yi Radicals)
118. A500-A61F：Vai
119. A660-A6FF：统一加拿大土著语音节补充 (Unified Canadian Aboriginal Syllabics Supplement)
120. A700-A71F：声调修饰字母 (Modifier Tone Letters)
121. A720-A7FF：拉丁文扩展-D (Latin Extended-D)
122. A800-A82F：Syloti Nagri
123. A840-A87F：八思巴字 (Phags-pa)
124. A880-A8DF：Saurashtra
125. A900-A97F：爪哇语 (Javanese)
126. A980-A9DF：Chakma
127. AA00-AA3F：Varang Kshiti
128. AA40-AA6F：Sorang Sompeng
129. AA80-AADF：Newari
130. AB00-AB5F：越南傣语 (Vi?t Thái)
131. AB80-ABA0：Kayah Li
132. AC00-D7AF：朝鲜文音节 (Hangul Syllables)
133. D800-DBFF：High-half zone of UTF-16
134. DC00-DFFF：Low-half zone of UTF-16
135. E000-F8FF：自行使用區域 (Private Use Zone)
136. F900-FAFF：CJK 兼容象形文字 (CJK Compatibility Ideographs)
137. FB00-FB4F：字母表達形式 (Alphabetic Presentation Form)
138. FB50-FDFF：阿拉伯表達形式A (Arabic Presentation Form-A)
139. FE00-FE0F：变量选择符 (Variation Selector)
140. FE10-FE1F：竖排形式 (Vertical Forms)
141. FE20-FE2F：组合用半符号 (Combining Half Marks)
142. FE30-FE4F：CJK 兼容形式 (CJK Compatibility Forms)
143. FE50-FE6F：小型变体形式 (Small Form Variants)
144. FE70-FEFF：阿拉伯表達形式B (Arabic Presentation Form-B)
145. FF00-FFEF：半型及全型形式 (Halfwidth and Fullwidth Form)
146. FFF0-FFFF：特殊 (Specials)

java正则:

Unicode CJK 的范围分布在多个区段中，2 楼所贴出来的是整个 Unicode 中区块
表，带有 CJK 的区块名中都拥有汉字。但最常用的范围是 U+4E00～U+9FA5，即名
为：CJK Unified Ideographs 的区块，但 U+9FA6～U+9FFF 之间的字符还属于空码，
暂时还未定义，但不能保证以后不会被定义。

下面这个是 Unicode 中 U+4E00～U+9FFF 的码表：
http://www.unicode.org/charts/PDF/U4E00.pdf

在这里可以根据 Unicode 码查到所有的字符：
http://www.unicode.org/cgi-bin/GetUnihanData.pl

另：在正则表达式中使用 [\u4e00-\u9fa5] 这种方式属于写死的代码，并不能根据
平台所提供的字符集范围不同而改变，不过对于要求不是很高的话的是可以了。如果
对字符集的要求很高，可以采用下面的这种 Unicode 块的方式：

Java code

 

?

1	String regex = "[\\p{InCJK Unified Ideographs}&&\\P{Cn}]]";

在当前的 JDK 版中与 [\u4e00-\u9fa5] 的意义一致。但这样可以匹配 Java 平台所支持
Unicode 块名为 CJK Unified Ideogrpahs 中已定义的字符，这种方式就属于“活”代码
今后的 JDK 版本升级了，定义到了 \u9fa6 的字符，同样能够满足匹配。