in reply to Re: Re: Verifying Unicode (The mother of all regex).
in thread Verifying Unicode (The mother of all regex).
Ah - so you want a unified rule for detecting base characters that isn't a simple dictionary. I started a script to look for really common bits.
<code># Copy/paste the data right from the document $\ = $, = "\n"; $base = q{#x0041-#x005A | #x0061-#x007A | #x00C0-#x00D6 | #x00D8-#x00F6 | #x00F8-#x00FF | #x0100-#x0131 | #x0134-#x013E | #x0141-#x0148 | #x014A-#x017E | #x0180-#x01C3 | #x01CD-#x01F0 | #x01F4-#x01F5 | #x01FA-#x0217 | #x0250-#x02A8 | #x02BB-#x02C1 | #x0386 | #x0388-#x038A | #x038C | #x038E-#x03A1 | #x03A3-#x03CE | #x03D0-#x03D6 | #x03DA | #x03DC | #x03DE | #x03E0 | #x03E2-#x03F3 | #x0401-#x040C | #x040E-#x044F | #x0451-#x045C | #x045E-#x0481 | #x0490-#x04C4 | #x04C7-#x04C8 | #x04CB-#x04CC | #x04D0-#x04EB | #x04EE-#x04F5 | #x04F8-#x04F9 | #x0531-#x0556 | #x0559 | #x0561-#x0586 | #x05D0-#x05EA | #x05F0-#x05F2 | #x0621-#x063A | #x0641-#x064A | #x0671-#x06B7 | #x06BA-#x06BE | #x06C0-#x06CE | #x06D0-#x06D3 | #x06D5 | #x06E5-#x06E6 | #x0905-#x0939 | #x093D | #x0958-#x0961 | #x0985-#x098C | #x098F-#x0990 | #x0993-#x09A8 | [#x0
|
|---|