Pourquoi Apache Commons considère-t-il que '' est numérique ?

Question

D'après la documentation d'Apache Commons Lang pour le logiciel StringUtils.isNumeric() la chaîne '' est numérique.

Comme je pensais qu'il s'agissait d'une erreur dans la documentation, j'ai effectué des tests pour vérifier cette affirmation. J'ai constaté que, selon Apache Commons, il est possible de est numérique.

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

Answer 1

Parce que cette "CharSequence ne contient que des chiffres Unicode" (en citant votre documentation liée ).

Tous les caractères renvoient la valeur "vrai" pour Character.isDigit :

Certaines plages de caractères Unicode contenant des chiffres :

• ' \u0030 ' jusqu'à ' \u0039 ', chiffres ISO-LATIN-1 ('0' à '9')
• ' \u0660 ' jusqu'à ' \u0669 ', chiffres arabes-indiques
• ' \u06F0 ' jusqu'à ' \u06F9 ', Chiffres arabes-indiques étendus
• ' \u0966 ' jusqu'à ' \u096F ', chiffres Devanagari
• ' \uFF10 ' jusqu'à ' \uFF19 ', chiffres en largeur

De nombreuses autres plages de caractères contiennent également des chiffres.

sont des chiffres Devanagari :

• es CHIFFRE UN EN DEVANAGARI, \u0967
• es CHIFFRE DEUX EN DEVANAGARI, \u0968
• es CHIFFRE TROIS EN DEVANAGARI, \u0969

Answer 2

Le symbole est identique à 123 pour la langue népalaise ou toute autre langue utilisant le système Devanagari script comme l'hindi, le gujarati, etc., et est donc un numéro pour Apache Commons.

Answer 3

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

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

Ceci imprimera true qui est une "preuve" que "' est un nombre de chiffres .

Examinons maintenant la valeur unicode du caractère '' :

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

Ce nombre se situe dans la fourchette de Chiffres Devanagari - qui est : \u0966 à travers \u096F .

Essayez aussi :

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

Devanagari est :

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

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

Lecture :

• Plus de détails sur le caractère ''.
• StringUtils#isNumeric mise en œuvre

Answer 4

Si vous voulez savoir quelles sont les propriétés d'un "personnage" particulier (et il y en a beaucoup), allez directement à la source : Unicode.org . Ils disposent d'outils de recherche qui peuvent vous montrer presque tout ce que vous souhaitez savoir.

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

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

  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 "nombres non décimaux" (c'est-à-dire 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 voulez voir tous les caractères classés comme "chiffres décimaux" (c'est-à-dire avec des valeurs numériques de 0 à 9), mais seulement jusqu'à Unicode 6.0 (que .NET utilise) Essayez ce qui suit :

  http://unicode.org/cldr/utility/list-unicodeset.jsp?a=[:Numeric_Type=Decimal :]%26[:Age=6.0 :]
  ( 420 points de code -- et ne devraient 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 seulement 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 :]%26[:Age=6.0 :]%26[:bmp=Yes :]
  ( 350 points de code -- et qui ne devraient pas changer )

GARDER 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 le plus précisément possible . Ainsi, tout comme HTML, JavaScript, CSS, SQL, etc., il existe des variations entre les différentes plates-formes, les différents langages, etc. Par exemple, j'ai trouvé un bogue dans le .NET Framework de Microsoft qui fait que les lettres latines encerclées A-Z et a-z -- Les points de code 0x24B6 à 0x24E9 -- ne sont pas correctement enregistrés comme étant char.IsLetter = true ( rapport de bug ici ). Cela entraîne des comportements inattendus dans les fonctionnalités connexes, par exemple lors de l'appel de la fonction TextInfo.ToTitleCase() méthode ( rapport de bug ici ).

Answer 5

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

représenter 1

représenter 2

et de la même manière