forma más sencilla de obtener una lista completa de todos los caracteres UTF-8 espacios en blanco en PHP

Question

En PHP, ¿cuál es la forma más elegante para obtener la lista completa (matriz de cadenas) de todos los Unicode caracteres en blanco , codificado en UTF-8?

Necesito que para generar datos de prueba.

Answer 1

Este correo electrónico contiene una lista de todos los espacios en blanco Unicode codificado en UTF-8, UTF-16, y HTML.

editar

contestado Originalmente Feb 9 '10 (!). Muy chicos, si la información no está actualizado, se puede añadir su propia respuesta, en lugar de quejarse. Sólo Google para el URL mencionado en mi respuesta, y ganar algo de representante:

El mensaje ha sido archivado aquí (me llevó segundos), y la tabla de espacio en blanco es incluso mencionado en la introducción

static $whitespace = array(
    "SPACE" => "\x20",
    "NO-BREAK SPACE" => "\xc2\xa0",
    "OGHAM SPACE MARK" => "\xe1\x9a\x80",
    "EN QUAD" => "\xe2\x80\x80",
    "EM QUAD" => "\xe2\x80\x81",
    "EN SPACE" => "\xe2\x80\x82",
    "EM SPACE" => "\xe2\x80\x83",
    "THREE-PER-EM SPACE" => "\xe2\x80\x84",
    "FOUR-PER-EM SPACE" => "\xe2\x80\x85",
    "SIX-PER-EM SPACE" => "\xe2\x80\x86",
    "FIGURE SPACE" => "\xe2\x80\x87",
    "PUNCTUATION SPACE" => "\xe2\x80\x88",
    "THIN SPACE" => "\xe2\x80\x89",
    "HAIR SPACE" => "\xe2\x80\x8a",
    "ZERO WIDTH SPACE" => "\xe2\x80\x8b",
    "NARROW NO-BREAK SPACE" => "\xe2\x80\xaf",
    "MEDIUM MATHEMATICAL SPACE" => "\xe2\x81\x9f",
    "IDEOGRAPHIC SPACE" => "\xe3\x80\x80",
);

Answer 2

Años después, esta pregunta todavía tiene los mejores resultados en Google en la búsqueda de caracteres Unicode de espacios en blanco. La respuesta de DEVIO es grande, pero incompleta. Al escribir estas líneas (octubre de 2017) Wikipedia tiene una lista de caracteres de espacio en blanco aquí: https: //en.wikipedia. org / wiki / Whitespace_character

Esta lista tiene 25 puntos de código especifica, mientras que las listas de respuestas aceptadas en la actualidad 18. Incluyendo los otros siete puntos de código, la lista es:

U+0009  character tabulation
U+000A  line feed
U+000B  line tabulation
U+000C  form feed
U+000D  carriage return
U+0020  space
U+0085  next line
U+00A0  no-break space
U+1680  ogham space mark
U+180E  mongolian vowel separator
U+2000  en quad
U+2001  em quad
U+2002  en space
U+2003  em space
U+2004  three-per-em space
U+2005  four-per-em space
U+2006  six-per-em space
U+2007  figure space
U+2008  punctuation space
U+2009  thin space
U+200A  hair space
U+200B  zero width space
U+200C  zero width non-joiner
U+200D  zero width joiner
U+2028  line separator
U+2029  paragraph separator
U+202F  narrow no-break space
U+205F  medium mathematical space
U+2060  word joiner
U+3000  ideographic space
U+FEFF  zero width non-breaking space

Answer 3

http://en.wikipedia.org/wiki/Space_%28punctuation% 29 # Spaces_in_Unicode

Por desgracia, no da UTF-8, pero tiene el carácter de la página web, por lo que se podía cortar y pegar en su editor (si salva en UTF-8). Alternativamente, http://www.fileformat.info/info/unicode/char /180E/index.htm da UTF-8 (reemplace "180E" con el valor hexadecimal UTF-16 que busca hacia arriba).

Esto también le da un par de caracteres adicionales que @ de DEVIO excelentes pierde respuesta.

Answer 4

0x9 b'\t'
0xa b'\n'
0xb b'\x0b'
0xc b'\x0c'
0xd b'\r'
0x20 b' '
0x85 b'\xc2\x85'
0xa0 b'\xc2\xa0'
0x1680 b'\xe1\x9a\x80'
0x180e b'\xe1\xa0\x8e'
0x2000 b'\xe2\x80\x80'
0x2001 b'\xe2\x80\x81'
0x2002 b'\xe2\x80\x82'
0x2003 b'\xe2\x80\x83'
0x2004 b'\xe2\x80\x84'
0x2005 b'\xe2\x80\x85'
0x2006 b'\xe2\x80\x86'
0x2007 b'\xe2\x80\x87'
0x2008 b'\xe2\x80\x88'
0x2009 b'\xe2\x80\x89'
0x200a b'\xe2\x80\x8a'
0x200b b'\xe2\x80\x8b'
0x200c b'\xe2\x80\x8c'
0x200d b'\xe2\x80\x8d'
0x2028 b'\xe2\x80\xa8'
0x2029 b'\xe2\x80\xa9'
0x202f b'\xe2\x80\xaf'
0x205f b'\xe2\x81\x9f'
0x2060 b'\xe2\x81\xa0'
0x3000 b'\xe3\x80\x80'
0xfeff b'\xef\xbb\xbf'