html - 常用的非打印字符有多少？

Question

在为 PDF、HTML 和其他文档编写解释器时，我们需要处理各种空白字符和额外的非打印字符。 ANSI 的定义很好，但在实践中可能会发现多少其他的？一个典型的例子是 ISO10646 中的集群(我认为):

                     en space
                 em space
                   thin space
‌  ‌     ‌   ‌   zero width non-joiner
‍   ‍     ‍   ‍   zero width joiner
‎   ‎     ‎   ‎   left-to-right mark
‏   ‏     ‏   ‏   right-to-left mark

(出于显而易见的原因，字符没有出现在上面!)。

Answer 1

Unicode 将在很长一段时间内以越来越多的方式与我们同在。如果 HTML 或 XML 文档是用 UTF-8 编码的 Unicode 编写的，那么您应该期望出现所有这些。

在 Unicode(Unicode 字符数据库)中，以下代码点被定义为空格:

U+0009–U+000D (control characters, containing Tab, CR and LF)
U+0020 SPACE
U+0085 NEL (control character next line)
U+00A0 NBSP (NO-BREAK SPACE)
U+1680 OGHAM SPACE MARK
U+180E MONGOLIAN VOWEL SEPARATOR
U+2000–U+200A (different sorts of spaces)
U+2028 LS (LINE SEPARATOR)
U+2029 PS (PARAGRAPH SEPARATOR)
U+202F NNBSP (NARROW NO-BREAK SPACE)
U+205F MMSP (MEDIUM MATHEMATICAL SPACE)
U+3000 IDEOGRAPHIC SPACE