UNIC：Rust 的 Unicode 和国际化 Crate

https://github.com/open-i18n/rust-unic

UNIC 是一个旨在为 Rust 编程语言开发组件的项目，以提供高质量且易于使用的 Unicode 和国际化数据及算法的 Crate。换句话说，它就像 Rust 版本的 ICU，完全用 Rust 编写，大多数情况下在 安全 模式下运行，但在可能的情况下也会受益于 不安全 模式的性能提升。

请参阅 UNIC 更新日志 以获取最新发布详情。

项目目标

UNIC 的目标是提供访问 Unicode 和国际化功能的所有级别，从 Unicode 字符属性开始，到处理文本的 Unicode 算法，再到基于 Unicode Common Locale Data Repository（CLDR）的高级（基于区域设置）过程。

根据需要，其他标准和最佳实践，如 IETF RFC，也得到实现。

项目状态

目前 UNIC 正在积极开发中：API 在 master 分支上频繁更新，每个 0.x 发布之间都可能出现 API 断裂。请参阅 公开问题 了解计划更改。

我们预计将在 2018 年发布 1.0 版本，并在之后保持 API 的稳定性，前几年每年可能进行一到两次 API 更新。

设计目标

1. UNIC 的主要目标是通过易于使用的 API 提供可靠的功能。因此，新添加的组件可能不是针对性能进行了很好的优化，但将具备足够的测试以显示其符合标准，并包含示例以展示用户如何使用它们来满足常见需求。

2. UNIC组件的下一个主要目标是性能和低二进制和内存占用。特别是，优化ASCII和其他常见情况的运行时，将鼓励适应而无需担心减慢常规开发过程。

3. 在可能范围内，组件保证提供一致的数据和算法。使用跨组件测试来捕捉实现之间的任何不一致性，而不会减慢开发过程。

组件及其组织

UNIC 组件 采用分层组织，从 unic 根开始，包含 主要组件。每个主要组件反过来可能包含一些 次要组件。

主要组件的API是为库的最终用户设计的，预计将进行广泛文档化并附带代码示例。

与主要组件相反，次要组件充当为高级组件提供数据和算法的提供者，其API预计将更高效，并且可能提供多种访问数据的方式。

UNIC超级库

unic 超级库是所有UNIC（主要）组件的集合，提供了一种方便的方式访问所有功能，当需要所有或许多功能时，而不是逐个导入组件。此库确保所有导入的组件在算法和数据一致性方面兼容。

主要代码示例和跨组件集成测试在此库中实现。

主要组件

• unic-char：Unicode字符工具。

• unic-ucd：Unicode字符数据库（UAX#44）。

• unic-bidi：Unicode双向算法（UAX#9）。

• unic-normal：Unicode规范化形式（UAX#15）。

• unic-segment：Unicode文本分割算法（UAX#29）。

• unic-idna：Unicode IDNA兼容处理（UTS#46）。

• unic-emoji：Unicode表情符号（UTS#51）。

应用

• unic-cli：UNIC命令行工具

代码组织：合并仓库

以下是一些将这些组件放在合并仓库中的原因：

• 更快开发。实施新的Unicode/i18n组件通常依赖于其他（低级）组件，而这些组件反过来可能需要进行调整——暴露新的API、修复错误等，这些都可以在更少的周期和更短的时间内开发、测试和审查。

• 实现完整性。多个组件对其他组件的依赖意味着这些组件在某种程度上需要相互一致。许多Unicode算法（由较小的算法组成）假设算法的所有部分都使用相同的Unicode数据版本。违反这个假设可能导致不一致和难以捕获的错误。在联合仓库中，可以在开发过程中以及跨组件（集成）测试中达到更好的完整性。

• 按需付费。小型组件（基本crate），只依赖它们所需的跨依赖，允许用户仅将他们在项目中消耗的部分引入。

• 共享启动。大量扩展Unicode/i18n功能依赖于将源Unicode/区域数据转换为目标编程语言的格式化结构。在联合仓库中，更容易维护这些启动工具，扩大覆盖范围，并使用更高效的数据结构。

文档

• Unicode和Rust
• UNIC版本
• UNIC Unicode API
• UNIC API指南
• UNIC API参考（在docs.rs上自动生成）

如何使用UNIC

在Cargo.toml

[dependencies]
unic = "0.9.0"  # This has Unicode 10.0.0 data and algorithms

以及在main.rs

extern crate unic;

use unic::ucd::common::is_alphanumeric;
use unic::bidi::BidiInfo;
use unic::normal::StrNormalForm;
use unic::segment::{GraphemeIndices, Graphemes, WordBoundIndices, WordBounds, Words};
use unic::ucd::normal::compose;
use unic::ucd::{is_cased, Age, BidiClass, CharAge, CharBidiClass, StrBidiClass, UnicodeVersion};

fn main() {

    // Age

    assert_eq!(Age::of('A').unwrap().actual(), UnicodeVersion { major: 1, minor: 1, micro: 0 });
    assert_eq!(Age::of('\u{A0000}'), None);
    assert_eq!(
        Age::of('\u{10FFFF}').unwrap().actual(),
        UnicodeVersion { major: 2, minor: 0, micro: 0 }
    );

    if let Some(age) = '🦊'.age() {
        assert_eq!(age.actual().major, 9);
        assert_eq!(age.actual().minor, 0);
        assert_eq!(age.actual().micro, 0);
    }

    // Bidi

    let text = concat![
        "א",
        "ב",
        "ג",
        "a",
        "b",
        "c",
    ];

    assert!(!text.has_bidi_explicit());
    assert!(text.has_rtl());
    assert!(text.has_ltr());

    assert_eq!(text.chars().nth(0).unwrap().bidi_class(), BidiClass::RightToLeft);
    assert!(!text.chars().nth(0).unwrap().is_ltr());
    assert!(text.chars().nth(0).unwrap().is_rtl());

    assert_eq!(text.chars().nth(3).unwrap().bidi_class(), BidiClass::LeftToRight);
    assert!(text.chars().nth(3).unwrap().is_ltr());
    assert!(!text.chars().nth(3).unwrap().is_rtl());

    let bidi_info = BidiInfo::new(text, None);
    assert_eq!(bidi_info.paragraphs.len(), 1);

    let para = &bidi_info.paragraphs[0];
    assert_eq!(para.level.number(), 1);
    assert_eq!(para.level.is_rtl(), true);

    let line = para.range.clone();
    let display = bidi_info.reorder_line(para, line);
    assert_eq!(
        display,
        concat![
            "a",
            "b",
            "c",
            "ג",
            "ב",
            "א",
        ]
    );

    // Case

    assert_eq!(is_cased('A'), true);
    assert_eq!(is_cased('א'), false);

    // Normalization

    assert_eq!(compose('A', '\u{030A}'), Some('Å'));

    let s = "ÅΩ";
    let c = s.nfc().collect::<String>();
    assert_eq!(c, "ÅΩ");

    // Segmentation

    assert_eq!(
        Graphemes::new("a\u{310}e\u{301}o\u{308}\u{332}").collect::<Vec<&str>>(),
        &["a\u{310}", "e\u{301}", "o\u{308}\u{332}"]
    );

    assert_eq!(
        Graphemes::new("a\r\nb🇺🇳🇮🇨").collect::<Vec<&str>>(),
        &["a", "\r\n", "b", "🇺🇳", "🇮🇨"]
    );

    assert_eq!(
        GraphemeIndices::new("a̐éö̲\r\n").collect::<Vec<(usize, &str)>>(),
        &[(0, "a̐"), (3, "é"), (6, "ö̲"), (11, "\r\n")]
    );

    assert_eq!(
        Words::new(
            "The quick (\"brown\") fox can't jump 32.3 feet, right?",
            |s: &&str| s.chars().any(is_alphanumeric),
        ).collect::<Vec<&str>>(),
        &["The", "quick", "brown", "fox", "can't", "jump", "32.3", "feet", "right"]
    );

    assert_eq!(
        WordBounds::new("The quick (\"brown\")  fox").collect::<Vec<&str>>(),
        &["The", " ", "quick", " ", "(", "\"", "brown", "\"", ")", " ", " ", "fox"]
    );

    assert_eq!(
        WordBoundIndices::new("Brr, it's 29.3°F!").collect::<Vec<(usize, &str)>>(),
        &[
            (0, "Brr"),
            (3, ","),
            (4, " "),
            (5, "it's"),
            (9, " "),
            (10, "29.3"),
            (14, "°"),
            (16, "F"),
            (17, "!")
        ]
    );
}

您可以在examples和tests目录下找到更多示例。（随着UNIC的扩展，还将添加更多内容...）

许可

根据您的选择，许可协议为

• Apache License，版本2.0（LICENSE-APACHE或https://apache.ac.cn/licenses/LICENSE-2.0）
• MIT许可（LICENSE-MIT或http://opensource.org/licenses/MIT）

。

贡献

除非您明确表示，否则根据Apache-2.0许可中定义的，您有意提交的工作中的任何贡献，都应作为上述双重许可，不得附加任何额外的条款或条件。

行为准则

UNIC项目遵循Rust行为准则。您可以在CODE_OF_CONDUCT.md或在线https://rust-lang.net.cn/conduct.html中找到其副本。

lib.rs:

UNIC — IDNA — IDNA 映射表

将每个Unicode码点映射到IDNA状态。

• https://www.unicode.org/reports/tr46/#IDNA_Mapping_Table