如何判断Unicode码点字符是左至右还是右至左方向？

刚好之前研究过这个问题，分享下我的经验和踩过的坑：

一开始我也想直接用UnicodeData.txt来判断字符的方向属性，但实际用起来才发现这条路走不通——因为这个文件是按单个已定义字符来记录属性的，完全忽略了Unicode“块（block）”的概念。举个例子：阿拉伯语或希伯来语这类整体偏向右至左的字符块里，并非所有码点都已经被单独定义，但只要是这个块里新增的码点，几乎不可能是块里唯一的左至右字符，用UnicodeData.txt根本覆盖不到这类未单独定义的码点。

那更靠谱的方案是什么呢？给大家几个实用的思路：

• 参考官方的DerivedBidiClass.txt数据集：这个文件是Unicode官方派生的双向属性表，会覆盖所有码点（包括那些未在UnicodeData.txt里单独定义的块内码点），每个码点都会被标注明确的双向类别：

  • L：左至右字符
  • R/AL：右至左字符（AL特指阿拉伯字母类）
  • 还有中性类（比如N标点、WS空格），这类字符的方向由上下文决定

• 用编程语言的内置工具直接获取：很多主流语言都封装了Unicode双向属性的判断：

  • Python：用unicodedata模块的bidirectional()方法，比如unicodedata.bidirectional('א')返回'R'，unicodedata.bidirectional('A')返回'L'
  • JavaScript：可以借助Intl相关API，或者用成熟的第三方库（比如unicode-bidi）来简化判断逻辑
  • Java：通过Character.getDirectionality()方法获取字符的方向属性值

另外要注意：如果是判断一段文本的整体显示方向，而不是单个字符，那还得结合Unicode双向算法（Bidi Algorithm）来计算，因为中性字符的方向会受周围字符影响。

内容的提问来源于stack exchange，提问作者Abbey Road