UNIC：Rust 的 Unicode 和国际化库

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、易于使用的 Unicode 和国际化数据及算法库。换句话说，它就像是 Rust 版本的 ICU，完全用 Rust 编写，大多数在 safe 模式下，但在可能的情况下也受益于 unsafe 模式的性能提升。

请参阅 UNIC 变更日志 以了解最新发布详情。

项目目标

UNIC 的目标是提供对 Unicode 和国际化所有级别功能的访问，从 Unicode 字符属性开始，到处理文本的 Unicode 算法，再到基于 Unicode 常见本地数据存储库 (CLDR) 的更高级（基于地区的）过程。

根据需要，还实现了其他标准和最佳实践，如 IETF RFC。

项目状态

目前 UNIC 正在积极开发中：API 在 master 分支上经常更新，并且每个 0.x 版本之间可能会有 API 破坏。请参阅 公开问题 了解计划变更。

我们预计将在 2018 年发布 1.0 版本，之后保持 API 稳定，前几年可能每年更新一到两个 API。

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会在性能上优化得很好，但将会有足够的测试来展示符合标准，并有一些示例来展示用户如何使用它们来解决常见需求。

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，无需担心减缓常规开发流程。

3. 在可能的情况下，组件将保证提供一致的数据和算法。跨组件测试用于捕捉实现之间的任何不一致，而不会减缓开发流程。

组件及其组织

UNIC 组件 采用分层组织结构，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，并预期将广泛文档化，并伴随代码示例。

与主要组件相反，次要组件作为高级别的数据算法提供者，其API预期将更高效，可能提供多种访问数据的方式。

UNIC超级组件

unic 超级组件是一个包含所有UNIC（主要）组件的集合，提供了一种方便的方式来访问所有功能，当需要所有或许多功能时，而不必逐个导入组件。这个组件确保所有导入的组件在算法和数据一致性方面都是兼容的。

主要的代码示例和跨组件集成测试都是在这个组件下实现的。

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：组合仓库

拥有组合仓库的一些原因包括这些组件：

• 更快的开发。实现新的 Unicode/i18n 组件通常取决于其他（较低级别）组件，而这些组件反过来可能需要调整——例如，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。对其他组件的多个依赖意味着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性和难以捕捉的错误。在组合仓库中，在开发过程中以及在跨组件（集成）测试中，都有可能达到更好的完整性。

• 按需付费。小型组件（基本库）仅依赖于它们所需的内容，允许用户仅将其项目消费的内容带入。

• 共享启动。大量扩展 Unicode/i18n 功能需要将源 Unicode/区域数据转换为目的地编程语言的格式化格式。在组合仓库中，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 版本控制
• UNIC Unicode API
• UNIC API 指南
• UNIC API 参考（由 docs.rs 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

和在 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 目录中找到更多示例。（随着 UNIC 的扩展，还将添加更多...）

许可证

许可方式为以下之一

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

由您选择。

贡献

除非您明确说明，否则根据 Apache-2.0 许可证定义的，您有意提交以包含在本工作中的任何贡献，都应按上述方式双许可，不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 — UCD — 常见字符属性

unic 的一个组件：为 Rust 提供的 Unicode 和国际化库。

从 Unicode 字符数据库（UCD）访问常见字符属性。