Que sont les «caractères de connexion» dans les identificateurs Java?

Je lis pour SCJP et j'ai une question concernant cette ligne:

Les identificateurs doivent commencer par une lettre, un caractère monétaire ($) ou un caractère de connexion tel que le trait de soulignement (_). Les identifiants ne peuvent pas commencer par un chiffre!

Il indique qu'un nom d'identifiant valide peut commencer par un caractère de connexion tel que le trait de soulignement. Je pensais que les soulignés étaient la seule option valable? Quels sont les autres personnages connectés ?

Voici une liste de personnages qui se connectent. Ce sont des caractères utilisés pour connecter des mots.

http://www.fileformat.info/info/unicode/category/Pc/list.htm

U+005F _ LOW LINE
U+203F ‿ UNDERTIE
U+2040 ⁀ CHARACTER TIE
U+2054 ⁔ INVERTED UNDERTIE
U+FE33 ︳ PRESENTATION FORM FOR VERTICAL LOW LINE
U+FE34 ︴ PRESENTATION FORM FOR VERTICAL WAVY LOW LINE
U+FE4D ﹍ DASHED LOW LINE
U+FE4E ﹎ CENTRELINE LOW LINE
U+FE4F ﹏ WAVY LOW LINE
U+FF3F ＿ FULLWIDTH LOW LINE

Cela se compile sur Java 7.

int _, ‿, ⁀, ⁔, ︳, ︴, ﹍, ﹎, ﹏, ＿;

Un exemple. Dans ce cas, tpc'est le nom d'une colonne et la valeur d'une ligne donnée.

Column<Double> ︴tp︴ = table.getColumn("tp", double.class);

double tp = row.getDouble(︴tp︴);

Le suivant

for (int i = Character.MIN_CODE_POINT; i <= Character.MAX_CODE_POINT; i++)
    if (Character.isJavaIdentifierStart(i) && !Character.isAlphabetic(i))
        System.out.print((char) i + " ");
}

impressions

$ _ ¢ £ ¤ ¥ ؋ ৲ ৳ ৻ ૱ ௹ ฿ ៛ ‿ ⁀ ⁔ ₠ ₡ ₢ ₣ ₤ ₥ ₦ ₧ ₨ ₩ ₪ ₫ € ₭ ₮ ₯ ₰ ₹ ₲ ₳ ₴ ₵ ₶ ₷ ₸ ₹ ꠸ ﷼ ︳ ︴ ﹍ ﹎ ﹏ ﹏ ﹩ ＄ ＿ ￠ ￡ ￥ ￦

parcourir tous les caractères 65k et demander Character.isJavaIdentifierStart(c). La réponse est: "Undertie" décimal 8255

La spécification définitive d'un identifiant Java légal peut être trouvée dans la spécification du langage Java .

Voici une liste de caractères de connecteur en Unicode. Vous ne les trouverez pas sur votre clavier.

U + 005F LIGNE INFÉRIEURE _
U + 203F SOUS-TÊTE ‿
U + 2040 CRAVATE DE CARACTÈRE ⁀
U + 2054 SOUS-TÊTE INVERSÉE ⁔
U + FE33 FORMULAIRE DE
PRÉSENTATION POUR LA LIGNE LÉGÈRE VERTICALE ︳ U + FE34 FORMULAIRE DE PRÉSENTATION POUR LA LIGNE LÉGÈRE INFÉRIEURE VERTICALE ︴
U + FE4D LIGNE BASSE ÉCRASÉE ﹍
U + FE4E CENTRELINE LOW LINE ﹎
U + FE4F WAVY LOW LINE ﹏
U + FF3F PLEINE LARGEUR LOW LOW ＿

Un caractère de connexion est utilisé pour connecter deux caractères.

En Java, un caractère de connexion est celui pour lequel Character.getType (int codePoint) / Character.getType (char ch) renvoie une valeur égale à Character.CONNECTOR_PUNCTUATION .

Notez qu'en Java, les informations sur les caractères sont basées sur la norme Unicode qui identifie les caractères de connexion en leur affectant la catégorie générale Pc, qui est un alias pour Connector_Punctuation .

L'extrait de code suivant,

for (int i = Character.MIN_CODE_POINT; i <= Character.MAX_CODE_POINT; i++) {
    if (Character.getType(i) == Character.CONNECTOR_PUNCTUATION
            && Character.isJavaIdentifierStart(i)) {
        System.out.println("character: " + String.valueOf(Character.toChars(i))
                + ", codepoint: " + i + ", hexcode: " + Integer.toHexString(i));
    }
}

imprime les caractères de connexion qui peuvent être utilisés pour démarrer un identificateur sur jdk1.6.0_45

character: _, codepoint: 95, hexcode: 5f
character: ‿, codepoint: 8255, hexcode: 203f
character: ⁀, codepoint: 8256, hexcode: 2040
character: ⁔, codepoint: 8276, hexcode: 2054
character: ・, codepoint: 12539, hexcode: 30fb
character: ︳, codepoint: 65075, hexcode: fe33
character: ︴, codepoint: 65076, hexcode: fe34
character: ﹍, codepoint: 65101, hexcode: fe4d
character: ﹎, codepoint: 65102, hexcode: fe4e
character: ﹏, codepoint: 65103, hexcode: fe4f
character: ＿, codepoint: 65343, hexcode: ff3f
character: ･, codepoint: 65381, hexcode: ff65

Ce qui suit se compile sur jdk1.6.0_45,

int _, ‿, ⁀, ⁔, ・, ︳, ︴, ﹍, ﹎, ﹏, ＿, ･ = 0;

Apparemment, la déclaration ci-dessus ne parvient pas à se compiler sur jdk1.7.0_80 et jdk1.8.0_51 pour les deux caractères de connexion suivants (compatibilité descendante ... oups !!!),

character: ・, codepoint: 12539, hexcode: 30fb
character: ･, codepoint: 65381, hexcode: ff65

Quoi qu'il en soit, les détails mis à part, l'examen se concentre uniquement sur le jeu de caractères latin de base .

De plus, pour les identifiants légaux en Java, la spécification est fournie ici . Utilisez les API de classe de caractères pour obtenir plus de détails.

L'un des caractères les plus amusants autorisés dans les identificateurs Java (mais pas au début) est le caractère unicode nommé "Zero Width Non Joiner" (& zwnj ;, U + 200C, https://en.wikipedia.org / wiki / Zero-width_non-joiner ).

J'ai eu ceci une fois dans un morceau de XML à l'intérieur d'une valeur d'attribut contenant une référence à un autre morceau de ce XML. Étant donné que le ZWNJ est de «largeur nulle», il ne peut pas être vu (sauf en marchant avec le curseur, il est affiché directement sur le caractère précédent). Il ne pouvait pas non plus être vu dans le fichier journal et / ou la sortie de la console. Mais il était là tout le temps: le copier-coller dans les champs de recherche l'a obtenu et n'a donc pas trouvé la position référencée. La saisie de la partie (visible de la) chaîne dans le champ de recherche a cependant trouvé la position référencée. Cela m'a pris un certain temps pour comprendre cela.

Taper un Zero-Width-Non-Joiner est en fait assez facile (trop facile) lorsque vous utilisez la disposition du clavier européen, au moins dans sa variante allemande, par exemple "Europatastatur 2.02" - il est accessible avec AltGr + ".", Deux touches qui Malheureusement, ils sont situés directement les uns à côté des autres sur la plupart des claviers et peuvent facilement être joints accidentellement.

Retour à Java: j'ai bien pensé, vous pouvez écrire du code comme celui-ci:

void foo() {
    int i = 1;
    int i‌ = 2;
}

avec le second i ajouté par un non-joiner de largeur nulle (ne peut pas faire cela dans le code ci-dessus coupé dans l'éditeur de stackoverflow), mais cela n'a pas fonctionné. IntelliJ (16.3.3) ne s'est pas plaint, mais JavaC (Java 8) s'est plaint d'un identificateur déjà défini - il semble que JavaC autorise en fait le caractère ZWNJ dans le cadre d'un identificateur, mais lors de l'utilisation de la réflexion pour voir ce qu'il fait, le ZWNJ le caractère est supprimé de l'identifiant - ce que les caractères comme ‿ ne sont pas.

La liste des caractères que vous pouvez utiliser dans vos identifiants (plutôt que juste au début) est beaucoup plus amusante:

for (int i = Character.MIN_CODE_POINT; i <= Character.MAX_CODE_POINT; i++)
    if (Character.isJavaIdentifierPart(i) && !Character.isAlphabetic(i))
        System.out.print((char) i + " ");

La liste est:

I wanted to post the output, but it's forbidden by the SO spam filter. That's how fun it is!

Il comprend la plupart des personnages de contrôle! Je veux dire des cloches et de la merde! Vous pouvez faire sonner votre code source la cloche fn! Ou utilisez des caractères qui ne s'affichent que parfois, comme le trait d'union doux.