system.unicode

Таблица system.unicode — это виртуальная таблица, которая предоставляет информацию о символах Unicode и их свойствах (https://unicode-org.github.io/icu/userguide/strings/properties.html). Эта таблица генерируется на лету.

Столбцы

Примечание

Имена свойств кодовых точек Unicode в документации ICU преобразованы в snake case.

code_point (String) — Представление кодовой точки в UTF-8.
code_point_value (Int32) — Числовое значение кодовой точки.
notation (String) — Обозначение кодовой точки в Unicode.
Binary Properties (UInt8) — Бинарные свойства кодовой точки.
- alphabetic, ascii_hex_digit, case_ignorable...
Enumerated Properties (Int32) — Перечислимые свойства кодовой точки.
- bidi_class, bidi_paired_bracket_type, block...
String Properties (String) — Строковые свойства (ASCII String, Unicode String или кодовая точка) кодовой точки.
- case_folding, decomposition_mapping, name...

Примечание

Отображение (mapping) несколько специфично, см. документацию ICU. Например, simple_uppercase_mapping и uppercase_mapping — не совсем одно и то же. Языкозависимые преобразования не реализованы (например, в турецком верхний регистр для i — это "İ" (U+0130)).

numeric_value (Float64) — Числовое значение кодовой точки.
script_extensions (Array(LowCardinality(String))) — Расширения письма (script extensions) для кодовой точки.
identifier_type (Array(LowCardinality(String))) — Тип идентификатора кодовой точки.
general_category_mask (Int32) — Маска общей категории кодовой точки.

Пример

SELECT * FROM system.unicode WHERE code_point = 'a' LIMIT 1;

Row 1:
──────
code_point:                      a
code_point_value:                97
notation:                        U+0061
alphabetic:                      1
ascii_hex_digit:                 1
bidi_control:                    0
bidi_mirrored:                   0
dash:                            0
default_ignorable_code_point:    0
deprecated:                      0
diacritic:                       0
extender:                        0
full_composition_exclusion:      0
grapheme_base:                   1
grapheme_extend:                 0
grapheme_link:                   0
hex_digit:                       1
hyphen:                          0
id_continue:                     1
id_start:                        1
ideographic:                     0
ids_binary_operator:             0
ids_trinary_operator:            0
join_control:                    0
logical_order_exception:         0
lowercase:                       1
math:                            0
noncharacter_code_point:         0
quotation_mark:                  0
radical:                         0
soft_dotted:                     0
terminal_punctuation:            0
unified_ideograph:               0
uppercase:                       0
white_space:                     0
xid_continue:                    1
xid_start:                       1
case_sensitive:                  1
sentence_terminal:               0
variation_selector:              0
nfd_inert:                       1
nfkd_inert:                      1
nfc_inert:                       0
nfkc_inert:                      0
segment_starter:                 1
pattern_syntax:                  0
pattern_white_space:             0
alnum:                           1
blank:                           0
graph:                           1
print:                           1
xdigit:                          1
cased:                           1
case_ignorable:                  0
changes_when_lowercased:         0
changes_when_uppercased:         1
changes_when_titlecased:         1
changes_when_casefolded:         0
changes_when_casemapped:         1
changes_when_nfkc_casefolded:    0
emoji:                           0
emoji_presentation:              0
emoji_modifier:                  0
emoji_modifier_base:             0
emoji_component:                 0
regional_indicator:              0
prepended_concatenation_mark:    0
extended_pictographic:           0
basic_emoji:                     0
emoji_keycap_sequence:           0
rgi_emoji_modifier_sequence:     0
rgi_emoji_flag_sequence:         0
rgi_emoji_tag_sequence:          0
rgi_emoji_zwj_sequence:          0
rgi_emoji:                       0
ids_unary_operator:              0
id_compat_math_start:            0
id_compat_math_continue:         0
bidi_class:                      0
block:                           1
canonical_combining_class:       0
decomposition_type:              0
east_asian_width:                4
general_category:                2
joining_group:                   0
joining_type:                    0
line_break:                      2
numeric_type:                    0
script:                          25
hangul_syllable_type:            0
nfd_quick_check:                 1
nfkd_quick_check:                1
nfc_quick_check:                 1
nfkc_quick_check:                1
lead_canonical_combining_class:  0
trail_canonical_combining_class: 0
grapheme_cluster_break:          0
sentence_break:                  4
word_break:                      1
bidi_paired_bracket_type:        0
indic_positional_category:       0
indic_syllabic_category:         0
vertical_orientation:            0
identifier_status:               1
general_category_mask:           4
numeric_value:                   0
age:                             1.1
bidi_mirroring_glyph:            a
case_folding:                    a
lowercase_mapping:               a
name:                            LATIN SMALL LETTER A
simple_case_folding:             a
simple_lowercase_mapping:        a
simple_titlecase_mapping:        A
simple_uppercase_mapping:        A
titlecase_mapping:               A
uppercase_mapping:               A
bidi_paired_bracket:             a
script_extensions:               ['Latin']
identifier_type:                 ['Recommended']

SELECT code_point, code_point_value, notation FROM system.unicode WHERE code_point = '😂';

   ┌─code_point─┬─code_point_value─┬─notation─┐
1. │ 😂          │           128514 │ U+1F602  │
   └────────────┴──────────────────┴──────────┘