前言:泰文Unicode編碼表及排版規則
泰文 Unicode字符表 泰文符號
字符數量統計: 128 Unicode編碼範圍:0E00—0E7F代碼點
泰文是一個Unicode塊,包含泰文、Lanna Tai和Pali語言的字符。依據泰文工業標準620-2533。
範圍
U+0E00…U+0E7F (128 代碼位)
已經分配:87代碼位
暫未使用:41個保留位
Unicode字符表
字符錶鏈接:http://www.52unicode.com/thai-zifu
排版規則
一、字母編碼
這裏只介紹泰文的Unicode編碼。Unicode編碼爲雙字節,前面爲高字節,後面爲低字節,這裏都用十六進制表示。如0E00表示一個空格,0E爲高字節,00爲低字節。
泰文編碼和字母的對照關係如下:
編碼段: 0E00-0E16,0E17-0E2D,0E2E-0E30
泰文字符:กขฃคฅฆงจฉชซฌญฎฏฐฑฒณดตถทธนบปผฝพฟภมยรฤลฦวศษสหฬอฮฯะ
編碼段: 0E31-0E3A
泰文字符:
ัา ำ ี ึ ื ุ ู ฺ
編碼段: 0E3F-0E46
泰文字符:฿ เ แ โ ใ ไ ๅ ๆ
編碼段: 0E47-0E4E
泰文字符: ็ ่ ้ ๊ ๋ ์ ํ ๎
編碼段: 0E4F-0E5B
泰文字符:๏๐๑๒๓๔๕๖๗๘๙๚๛
二、拼寫規則
泰語是一種拼音文字。有元音,輔音和聲調。
2.1. 元音
元音有單元音和複元音之分,複元音是由兩個或三個單元音組成的。單元音可以位於輔音的上下左右各側(說明:下面的槓“_”表示輔音的位置)。
規則①:在輔音右邊的單元音
字符: -า -ะ -อ
例子: กา จะ ดอ
規則②:在輔音左邊的單元音
字符: เ- แ- โ- เ-าะ เ-ะ แ-ะ โ-ะ เ-อ แ-อ
例子:เก แจ โอ แตะ โดะ
規則③:在輔音上邊的單元音
字符: -ิ -ี -ึ -ื
例子: ดีษืฉึ
規則④:在輔音下邊的單元音
字符: -ุ -ู
例子: กุมู
2.2 輔音
單輔音有中輔音,高輔音,低輔音,塞音,擦音等之分。它們與長元音和短元音相拼時,能夠影響或決定聲調。複輔音是由多個單輔音組成的。
單輔音:กจดตฎฏบปอขคฆฉชฌผพภฝฟถฐทธฑฒสศษซหฮงนมยญวรลฬ
規則①:有輔音字母อ 字母和元音字母อ 外形相同,只能靠其位置進行區分。
例子: ออ
規則②:有輔音字符ปฝฟ,上面加元音或聲調時,元音或聲調字符要略微向左移一些。
例子:ปิป๊ฟีฝื่
2.3 聲調
泰文中有5個聲調,只有第一聲不用標出來。
聲調:
規則①:聲調加在輔音的右上方。
例子:ก่า
規則②:輔音上有元音,再加聲調符號時,聲調符號要加在元音上。
例子:อื่ทึ๊
2.4 尾音
尾音: -ง -น -ม -ำ -ก -ด -บ
規則①:元音字母-ะ 後有尾音時。要把-ะ寫成-ั,放在輔音和尾音之間的上方。
例子: 如กะง 要寫成กัง
規則②:元音字母เ-ะ 和แ-ะ 後有尾音時,把-ะ 寫成-็,放在輔音和尾音之間的上方。
例子: 如เตะม 寫成เต็ม
規則③:元音字母โ-ะ 後有尾音時,โ-ะ省略不寫成。
例子: 如โตะม 寫成ตม
規則④:複元音-ัว 後有尾音時,要將去-ั掉。
例子: 如จัวน 寫成จวน
規則⑤: -ำ 和-ัม 讀音相同,詞義不同。
例子: 如จกำ和กัม
2.5 數字
泰文有自己的數字符(0-9)。
數字字符:๐๑๒๓๔๕๖๗๘๙
2.6 其他
其他符號ฤฦๅ ์(不發音符號)ๆ(重複符號)ฯ(簡略符號)
三、處理方式
根據上述的拼寫規則,可以把所有字符形象的分爲如下幾類:
- 鞋子字符。它可以疊加在主體字符的下面,就像給主體字符穿的鞋子一樣。
- 主體字符。它上面可以疊加帽子字符,下面可以疊加鞋子字符,就像給它帶上帽子,穿上鞋子一樣。
- 帽子字符。它可以疊加在主體字符的下面,就像給主體字符帶上帽子一樣。
- 聲調字符。它是一個詞語的聲調,必須疊放在主體字符或帽子字符上面。
- 獨立字符。它是不可以穿鞋子,不可以帶帽子,也不可以加聲調的一類字符。
- 標點符號。它是用來斷句的標點符號,和其他語言中的標點符號的功能一樣。
下面是類型,編碼,字符之間的對照關係。
- 鞋子
編碼段:0E38-0E39
字符: ุ ู - 主體
編碼段:0E01-0E10,0E11-0E1F,0E20-0E2E,0E32
字符:กขฃคฅฆงจฉชซฌญฎฏฐฑฒณดตถทธนบปผฝพฟภมยรฤลฦวศษสหฬอฮ า - 帽子
編碼段:0E31, 0E47,0E33-0E37,0E4C-0E4E
字符: ั ็ ำ ิ ี ึ ื ์ ํ ๎ - 聲調
編碼段:0E48-0E4B
字符: - 獨立
編碼段:0E2F,0E30,0E3A,0E40-0E46,0E5A-0E5B
字符: ฯะ ฺ เ แ โ ใ ไ ๅ ๆ๚๛ - 標點
編碼段:0E00,0E3F,0E4F-0E59
字符: ฿ ๏๐๑๒๓๔๕๖๗๘๙ - 其他
編碼段:0E3B-0E3E,0E5B-0E7F
補充說明:
- 如果用①②③④⑤⑥分別表示鞋子字符,主體字符,帽子字符,聲調字符,獨立字符和標點符號。
則可能出現的組合情況有:①②,①②③,①②④,①②③④,②③,②④,②③④,⑤和⑥。 - ①和③之間沒有②的時候,③需要往下移動一點。
- ②的編碼是0E1B,0E1D,0E1F時,③或④或③④,最好向左移動一點。
代碼編寫
//泰文 上下標字符 unicode
static int ThaiSup_Subs[] = {0x0e31, 0x0e33, 0x0e34, 0x0e35, 0x0e36, 0x0e37, 0x0e38, 0x0e39, 0x0e47, 0x0e48, 0x0e49, 0x0e4a, 0x0e4b, 0x0e4c, 0x0e4d, 0x0e4e};
//泰文編碼範圍0E00-0E3a,0E3f-0E5b
bool isThai(int subunicode)
{
//泰文編碼範圍0E00-0E3a,0E3f-0E5b,
if (((subunicode>0x0e00) && (subunicode<0x0e3a)) ||
((subunicode>0x0e3f) && (subunicode<0x0e5b))){
return true;
}
else {
return false;
}
}
UTF-8 (Unicode)
- u4e00-u9fa5 (中文)
- x3130-x318F (韓文)
- xAC00-xD7A3 (韓文)
- u0800-u4e00 (日文)
實際上發現:
除了u4e00-u9fa5 (中文)之外,還有(0x3400, 0x4DB5)也是。
GB18030在GB13000.1的20902個漢字的基礎上增加了CJK擴展A的6582個漢字(Unicode碼0x3400-0x4db5),一共收錄了27484個漢字。對應的utf8也進行了相應增加。
參考鏈接:
Unicode字符表:https://www.52unicode.com/
漢字字符集編碼查詢:https://www.qqxiuzi.cn/bianma/zifuji.php
泰文排版規則:http://blog.sina.com.cn/s/blog_5d8cc6410100s2ux.html
Unicode百度百科:https://baike.baidu.com/item/Unicode/750500?fr=aladdin
泰文拆分問題:https://blog.csdn.net/cbbbc/article/details/47022337
完整的CJK Unicode範圍:https://blog.csdn.net/loseblue/article/details/2436578