Python Lo范畴的基数

我试图找出Unicode类别的基数，比如

Lo

。看来我找不到关于那件事的权威信息。例如，维护该类别中有

11788

字符的视图，低至

122

，Python的

unicodedata

，即使仅限于基本平面，也给出了高达

45301

！：

谁能告诉我一个可靠的消息来源来解决这个问题

编辑：

---

Python代码段中的

len（Lo）

的结果取决于使用的版本，因此取决于Python版本。我的结果是Python2.6使用UCD版本5.1，Python2.7使用UCD版本5.2为同一表达式生成

45877

，Python3.2使用UCD版本6.0可能会生成另一个数字。

最终信息将是表达式本身。特别是，提供了有关Unicode字符数据库的信息的字符数据库信息。当前标准有11788个Lo分类代码点。

引用Python的文档

unicodedata

：

此模块提供对Unicode字符数据库的访问，该数据库 定义所有Unicode字符的字符属性。中的数据 该数据库基于UnicodeData.txt文件版本5.2.0，该版本 可从中公开获取

模块使用的名称和符号与 Unicode数据文件格式5.2.0（参见 ).它定义了 以下功能：

Unicode联盟在其“关于我们”中：

Unicode联盟是一个致力于 开发、维护和促进软件国际化 标准和数据，特别是Unicode标准 所有现代软件产品和软件中的文本表示 标准。Unicode联合会积极开发该领域的标准 国际化领域，包括定义行为和 Unicode字符之间的关系。联合体密切合作 W3C和ISO，尤其是ISO/IEC/JTC 1/SC2/WG2 负责维护国际标准ISO/IEC 10646 与Unicode标准同步

从主页上看，当前的标准似乎是6.1（2012年5月），因此有可能从5.2版（2009年10月）开始，一些“Lo”字符被重新分类

---

检查：

我在狭窄的python上找到了

45877

build@J.F.Sebastian这里的45877也很好，尽管您必须深入到这个文件（）才能真正找到答案。现在的问题仍然是，为什么Python的unicodedata模块还有很长的路要走……谢谢，说得好，但即使查看5.2.0数据，对“Lo”进行grepping也会产生

10584

。奇怪的是，

unicodedata

模块大约关闭了4倍…@ThomasH:grepping for

“Lo”

会导致当前标准11790的错误结果<代码>'；瞧产生11788。@J.F.Sebastian准确地说，我在这两种情况下都使用了

egrep-c-e'\bLo\b'

，这也为当前数据产生11788。@ThomasH基于5.2-有

21829

行。。其中，

7189

被分类为“Lo”-但是，将

范围（65536）

中的所有代码点都不在UnicodeData.txt中-并应用

UnicodeData.category（unichr（i））

产生以下结果：

{Cs'：2042，'Lo'：38688，'Co'：6398，'Cn'：2724}

-所以

45877

是“

7189+38688

-s”提出的问题是-

unicodedata.category

在

unicodedata.txt

之外使用什么逻辑对其进行分类。查看UnicodeData.txt，直到代码点FFFF（65535），这里给出了三个范围，其中第一个、最后一个具有类别“Lo”。我想如果你把这些范围缩小并计算代码点，你的

38688

-我仍然没有得到

45877

（使用Python 2.6），不过。。。

In [219]: Lo=[unichr(c) for c in xrange(65536) 
              if unicodedata.category(unichr(c)) == 'Lo']

In [220]: len(Lo)
Out[220]: 45301