Pourquoi Apache Commons considère-t-il «१२३» comme numérique?

Selon la documentation d'Apache Commons Lang pour StringUtils.isNumeric(), la chaîne «१२३» est numérique.

Comme je pensais que cela pouvait être une erreur dans la documentation, j'ai exécuté des tests pour vérifier la déclaration. Je trouve que , selon Apache Commons , il est numérique.

Pourquoi cette chaîne est-elle numérique? Que représentent ces personnages?

Parce que "CharSequence contient uniquement des chiffres Unicode" (citant votre documentation liée ).

Tous les caractères retournent vrai pour Character.isDigit:

Certaines plages de caractères Unicode contenant des chiffres:

• '\ u0030' à '\ u0039', chiffres ISO-LATIN-1 ('0' à '9')
• '\ u0660' à '\ u0669', chiffres arabes-indiens
• '\ u06F0' à '\ u06F9', chiffres arabes-indiens étendus
• '\ u0966' à '\ u096F', chiffres devanagari
• '\ uFF10' à '\ uFF19', chiffres pleine largeur

De nombreuses autres plages de caractères contiennent également des chiffres.

१२३ sont des chiffres devanagari:

• १est DEVANAGARI DIGIT ONE,\u0967
• २est DEVANAGARI DIGIT TWO,\u0968
• ३est DEVANAGARI DIGIT TROIS,\u0969

Le symbole १२३ est le même que 123 pour la langue népalaise ou toute autre langue utilisant le script Devanagari tel que l'hindi, le gujarati, etc., et est donc un nombre pour Apache Commons.

Vous pouvez utiliser Character#getTypepour vérifier la catégorie générale du personnage:

System.out.println(Character.DECIMAL_DIGIT_NUMBER == Character.getType('१'));

Cela imprimera true, ce qui est une "preuve" que '१' est un nombre de chiffres .

Examinons maintenant la valeur unicode du caractère '१':

System.out.println(Integer.toHexString('१'));
// 967

Ce numéro est sur la plage des chiffres Devanagari - qui est: à \u0966travers \u096F.

Essayez aussi:

Character.UnicodeBlock block = Character.UnicodeBlock.of('१');
System.out.println(block.toString());
// DEVANAGARI

Devanagari est:

est un alphabet abugida (alphasyllabaire) de l'Inde et du Népal

"१२३" est un "123" (unicode latin de base).

En train de lire:

• Plus de détails sur le caractère '१'
• StringUtils#isNumeric la mise en oeuvre

Si jamais vous voulez connaître les propriétés d'un "caractère" particulier (et il y en a pas mal), allez directement à la source: Unicode.org . Ils ont des outils de recherche qui peuvent vous montrer presque tout ce que vous voudriez savoir.

• Si vous souhaitez voir toutes les propriétés d'un caractère spécifique, essayez ce qui suit:

  http://unicode.org/cldr/utility/character.jsp?a=१

  ou:

  http://unicode.org/cldr/utility/character.jsp?a=%E0%A5%A7

• Si vous voulez voir tous les caractères classés comme "chiffres décimaux" (c'est-à-dire avec des valeurs numériques de 0 à 9), essayez ce qui suit:

  http://unicode.org/cldr/utility/list-unicodeset.jsp?a=[:Numeric_Type=Decimal:]
  ^{(550 points de code - actuellement / à partir d'Unicode 9.0)}

• Si vous voulez voir tous les caractères classés comme des «nombres à chiffres non décimaux» (c'est-à-dire des fractions, encerclés, etc.), essayez ce qui suit:

  http://unicode.org/cldr/utility/list-unicodeset.jsp?a=[:Numeric_Type=Numeric:]
  ^{(836 points de code - actuellement / à partir d'Unicode 9.0)}

• Si vous souhaitez voir tous les caractères classés comme "chiffres décimaux" (c'est-à-dire avec des valeurs numériques de 0 à 9), mais uniquement jusqu'à Unicode 6.0 (que .NET utilise) , essayez ce qui suit:

  http://unicode.org/cldr/utility/list-unicodeset.jsp?a=[:Numeric_Type=Decimal: </font>%26[: ^Age= 6.0:]
  ^{(420 points de code - et ne devrait pas changer)}

• Si vous voulez voir tous les caractères classés comme "chiffres décimaux" (c'est-à-dire avec des valeurs numériques de 0 à 9), mais uniquement jusqu'à Unicode 6.0 (que .NET utilise), et uniquement dans le plan multilingue de base / pas de caractères supplémentaires ( c'est-à-dire rien au-dessus du point de code 65535 / U + 0xFFFF) , essayez ce qui suit:

  http://unicode.org/cldr/utility/list-unicodeset.jsp?a=[:Numeric_Type=Decimal: </font>%26[: ^Age= 6.0: Often%26[: ^bmp= Yes:]
  ^{(350 points de code - - et ne devrait pas changer)}

GARDEZ À L'ESPRIT: Le Consortium Unicode produit une spécification, pas un logiciel. Cela signifie qu'il appartient à chaque éditeur de logiciel de mettre en œuvre la spécification aussi précisément que possible . Donc, tout comme HTML, JavaScript, CSS, SQL, etc., il existe des variations entre les différentes plates-formes, langages, etc. Par exemple, j'ai trouvé un bogue dans le .NET Framework de Microsoft dans lequel les lettres latines encerclées A-Zet a-z- les points de code 0x24B6 à 0x24E9 - ne s'enregistrent pas correctement char.IsLetter = true( rapport de bogue ici ). Et cela conduit à un comportement inattendu dans les fonctionnalités associées, comme lors de l'appel de la TextInfo.ToTitleCase()méthode ( rapport de bogue ici ).

Les symboles '१२३' sont en fait dérivés de la langue hindi (essentiellement de la langue sanskrite, c'est-à-dire Devanagiri) qui représentent des valeurs numériques tout comme:

१ représente 1

२ représentent 2

et également