Update to Unicode 3.1.
Jarkko Hietaniemi [Sat, 31 Mar 2001 00:52:42 +0000 (00:52 +0000)]
(Rename Names.txt to NamesList.txt.)

p4raw-id: //depot/perl@9483

14 files changed:
lib/unicode/Is/LbrkAI.pl
lib/unicode/Is/LbrkAL.pl
lib/unicode/Is/LbrkBA.pl
lib/unicode/Is/LbrkBB.pl
lib/unicode/Is/LbrkID.pl
lib/unicode/Is/LbrkSG.pl
lib/unicode/LineBrk.txt
lib/unicode/NamesList.html
lib/unicode/NamesList.txt [moved from lib/unicode/Names.txt with 100% similarity]
lib/unicode/PropList.html [new file with mode: 0644]
lib/unicode/UCD.html
lib/unicode/Unicode.html
lib/unicode/rename
lib/unicode/version

index 325c0a0..aeabcfa 100644 (file)
@@ -58,7 +58,7 @@ return <<'END';
 0401   
 0410   044f
 0451   
-2016   
+2015   2016
 2020   2021
 203b   
 2074   
@@ -117,7 +117,7 @@ return <<'END';
 25b6   25b7
 25bc   25bd
 25c0   25c1
-25c6   25c7
+25c6   25c8
 25cb   
 25ce   25d1
 25e2   25e5
@@ -134,6 +134,5 @@ return <<'END';
 2667   266a
 266c   266d
 266f   
-e000   f8ff
 fffd   
 END
index 61938d7..b2b01b3 100644 (file)
@@ -254,7 +254,6 @@ return <<'END';
 1fdd   1fef
 1ff2   1ff4
 1ff6   1ffe
-2015   
 2017   
 2022   2023
 2038   
@@ -327,7 +326,7 @@ return <<'END';
 25b8   25bb
 25be   25bf
 25c2   25c5
-25c8   25ca
+25c9   25ca
 25cc   25cd
 25d2   25e1
 25e6   25ee
@@ -372,7 +371,6 @@ fbd3        fd3d
 fd50   fd8f
 fd92   fdc7
 fdf0   fdfb
-fe6b   
 fe70   fe72
 fe74   
 fe76   fefc
index ac7db79..fc5088b 100644 (file)
@@ -5,7 +5,6 @@ return <<'END';
 0009   
 007c   
 00ad   
-00b4   
 058a   
 0f0b   
 1361   
index e8b866d..0a33d5d 100644 (file)
@@ -2,6 +2,7 @@
 # This file is built by mktables.PL from e.g. Unicode.txt.
 # Any changes made here will be lost!
 return <<'END';
+00b4   
 02c8   
 02cc   
 1806   
index c0bd0e5..8821c93 100644 (file)
@@ -50,15 +50,12 @@ return <<'END';
 3300   3376
 337b   33dd
 33e0   33fe
-3400   4db5
-4e00   9fa5
 a000   a48c
 a490   a4a1
 a4a4   a4b3
 a4b5   a4c0
 a4c2   a4c4
 a4c6   
-ac00   d7a3
 f900   fa2d
 fe30   fe34
 fe49   fe4f
@@ -66,6 +63,7 @@ fe51
 fe58   
 fe5f   fe66
 fe68   
+fe6b   
 ff02   ff03
 ff06   ff07
 ff0a   ff0b
@@ -78,6 +76,5 @@ ff3e  ff5a
 ff5c   
 ff5e   
 ffe2   ffe4
-20000  2a6d6
 2f800  2fa1d
 END
index 9cf13e9..272f63f 100644 (file)
@@ -2,7 +2,4 @@
 # This file is built by mktables.PL from e.g. Unicode.txt.
 # Any changes made here will be lost!
 return <<'END';
-d800   db7f
-db80   dbff
-dc00   dfff
 END
index 8354ae6..672701b 100644 (file)
 #  - Assigned characters that are not listed explicitly are given the value
 #    "AL".
 #  - Unassigned characters are given the value "XX".
-#  - Characters within ranges marked by "First>" and "Last>" are omitted,
-#    as in UnicodeData.txt. For example, the following means that
-#    all characters between 3400 and 4DB5 have the value "ID"
-#     3400;ID;<CJK Ideograph Extension A, First>
-#     4DB5;ID;<CJK Ideograph Extension A, Last>
+#  - Characters ranges are specified as for other property files in
+#         the Unicode Character Database.
 #
 # The Unicode name of each character is provided in a comment for help
 # in identifying the characters.
 00B1;PR # PLUS-MINUS SIGN
 00B2;AI # SUPERSCRIPT TWO
 00B3;AI # SUPERSCRIPT THREE
-00B4;BA # ACUTE ACCENT
+00B4;BB # ACUTE ACCENT
 00B5;AL # MICRO SIGN
 00B6;AI # PILCROW SIGN
 00B7;AI # MIDDLE DOT
 2012;BA # FIGURE DASH
 2013;BA # EN DASH
 2014;B2 # EM DASH
-2015;AL # HORIZONTAL BAR
+2015;AI # HORIZONTAL BAR
 2016;AI # DOUBLE VERTICAL LINE
 2017;AL # DOUBLE LOW LINE
 2018;QU # LEFT SINGLE QUOTATION MARK
 25C5;AL # WHITE LEFT-POINTING POINTER
 25C6;AI # BLACK DIAMOND
 25C7;AI # WHITE DIAMOND
-25C8;AL # WHITE DIAMOND CONTAINING BLACK SMALL DIAMOND
+25C8;AI # WHITE DIAMOND CONTAINING BLACK SMALL DIAMOND
 25C9;AL # FISHEYE
 25CA;AL # LOZENGE
 25CB;AI # WHITE CIRCLE
 33FC;ID # IDEOGRAPHIC TELEGRAPH SYMBOL FOR DAY TWENTY-NINE
 33FD;ID # IDEOGRAPHIC TELEGRAPH SYMBOL FOR DAY THIRTY
 33FE;ID # IDEOGRAPHIC TELEGRAPH SYMBOL FOR DAY THIRTY-ONE
-3400;ID # <CJK Ideograph Extension A, First>
-4DB5;ID # <CJK Ideograph Extension A, Last>
-4E00;ID # <CJK Ideograph, First>
-9FA5;ID # <CJK Ideograph, Last>
+3400..4DB5;ID # <CJK Ideograph Extension A, First>..<CJK Ideograph Extension A, Last>
+4E00..9FA5;ID # <CJK Ideograph, First>..<CJK Ideograph, Last>
 A000;ID # YI SYLLABLE IT
 A001;ID # YI SYLLABLE IX
 A002;ID # YI SYLLABLE I
@@ -9256,16 +9251,11 @@ A4C2;ID # YI RADICAL SHOP
 A4C3;ID # YI RADICAL CHE
 A4C4;ID # YI RADICAL ZZIET
 A4C6;ID # YI RADICAL KE
-AC00;ID # <Hangul Syllable, First>
-D7A3;ID # <Hangul Syllable, Last>
-D800;SG # <Non Private Use High Surrogate, First>
-DB7F;SG # <Non Private Use High Surrogate, Last>
-DB80;SG # <Private Use High Surrogate, First>
-DBFF;SG # <Private Use High Surrogate, Last>
-DC00;SG # <Low Surrogate, First>
-DFFF;SG # <Low Surrogate, Last>
-E000;AI # <Private Use, First>
-F8FF;AI # <Private Use, Last>
+AC00..D7A3;ID # <Hangul Syllable, First>..<Hangul Syllable, Last>
+D800..DB7F;SG # <Non Private Use High Surrogate, First>..<Non Private Use High Surrogate, Last>
+DB80..DBFF;SG # <Private Use High Surrogate, First>..<Private Use High Surrogate, Last>
+DC00..DFFF;SG # <Low Surrogate, First>..<Low Surrogate, Last>
+E000..F8FF;XX # <Private Use, First>..<Private Use, Last>
 F900;ID # CJK COMPATIBILITY IDEOGRAPH-F900
 F901;ID # CJK COMPATIBILITY IDEOGRAPH-F901
 F902;ID # CJK COMPATIBILITY IDEOGRAPH-F902
@@ -10276,7 +10266,7 @@ FE66;ID # SMALL EQUALS SIGN
 FE68;ID # SMALL REVERSE SOLIDUS
 FE69;PR # SMALL DOLLAR SIGN
 FE6A;PO # SMALL PERCENT SIGN
-FE6B;AL # SMALL COMMERCIAL AT
+FE6B;ID # SMALL COMMERCIAL AT
 FE70;AL # ARABIC FATHATAN ISOLATED FORM
 FE71;AL # ARABIC TATWEEL WITH FATHATAN ABOVE
 FE72;AL # ARABIC DAMMATAN ISOLATED FORM
@@ -12239,8 +12229,7 @@ FFFD;AI # REPLACEMENT CHARACTER
 1D7FD;NU # MATHEMATICAL MONOSPACE DIGIT SEVEN
 1D7FE;NU # MATHEMATICAL MONOSPACE DIGIT EIGHT
 1D7FF;NU # MATHEMATICAL MONOSPACE DIGIT NINE
-20000;ID # <CJK Ideograph Extension B, First>
-2A6D6;ID # <CJK Ideograph Extension B, Last>
+20000..2A6D6;ID # <CJK Ideograph Extension B, First>..<CJK Ideograph Extension B, Last>
 2F800;ID # CJK COMPATIBILITY IDEOGRAPH-2F800
 2F801;ID # CJK COMPATIBILITY IDEOGRAPH-2F801
 2F802;ID # CJK COMPATIBILITY IDEOGRAPH-2F802
@@ -12880,3 +12869,5 @@ E007C;CM # TAG VERTICAL LINE
 E007D;CM # TAG RIGHT CURLY BRACKET
 E007E;CM # TAG TILDE
 E007F;CM # CANCEL TAG
+F0000..FFFFD;XX # <Plane 15 Private Use, First>..<Plane 15 Private Use, Last>
+100000..10FFFD;XX # <Plane 16 Private Use, First>..<Plane 16 Private Use, Last>
index 0bfc5db..fd9f21c 100644 (file)
@@ -1,17 +1,94 @@
+<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.0 Transitional//EN"
+
+       "http://www.w3.org/TR/REC-html40/loose.dtd"> 
+
 <html>
 
 <head>
-<meta name="GENERATOR" content="Microsoft FrontPage 3.0">
-<title>Unicode 3.0 NamesList File Structure</title>
+<meta http-equiv="Content-Type" content="text/html; charset=utf-8">
+<meta http-equiv="Content-Language" content="en-us">
+<meta name="GENERATOR" content="Microsoft FrontPage 4.0">
+<meta name="ProgId" content="FrontPage.Editor.Document">
+<meta name="keywords"
+content="unicode, normalization, composition, decomposition">
+<meta name="description" content="Specifies the Unicode Normalization Formats">
+<title>UCD: Unicode NamesList File Format</title>
+<link rel="stylesheet" type="text/css" href="http://www.unicode.org/unicode.css">
+<style type="text/css">
+
+<!--
+
+.foo         {  }
+-->
+
+</style>
 </head>
 
-<body>
-
-<h3>Unicode NamesList File Format</h3>
-
-<p>Last updated: 1999-07-06</p>
-
-<h3>1.0 Introduction</h3>
+<body bgcolor="#ffffff">
+
+<table width="100%" cellpadding="0" cellspacing="0" border="0">
+  <tr>
+    <td>
+      <table width="100%" border="0" cellpadding="0" cellspacing="0">
+        <tr>
+          <td class="icon"><a href="http://www.unicode.org"><img border="0"
+            src="http://www.unicode.org/webscripts/logo60s2.gif" align="middle"
+            alt="[Unicode]" width="34" height="33"></a>&nbsp;&nbsp;<a
+            class="bar" href="UnicodeCharacterDatabase-3.1.0.html">Unicode Character     
+            Database</a></td>
+        </tr>
+      </table>
+    </td>
+  </tr>
+  <tr>
+    <td class="gray">&nbsp;</td>
+  </tr>
+</table>
+          <h1>Unicode NamesList File Format</h1>       
+<table height="87" cellSpacing="2" cellPadding="0" width="100%" border="1">  
+  <tbody>  
+    <tr>  
+      <td vAlign="top" width="144">Revision</td>  
+      <td vAlign="top">3.1</td>  
+    </tr>  
+    <tr>  
+      <td vAlign="top" width="144">Authors</td>  
+      <td vAlign="top">Asmus Freytag</td>  
+    </tr>  
+    <tr>  
+      <td vAlign="top" width="144">Date</td>  
+      <td vAlign="top">2001-02-26</td> 
+    </tr> 
+    <tr> 
+      <td vAlign="top" width="144">This Version</td> 
+      <td vAlign="top"><a href="http://http://www.unicode.org/Public/3.1-Update/NamesList-2.html">http://www.unicode.org/Public/3.1-Update/NamesList-2.html</a></td>
+    </tr>
+    <tr>
+      <td vAlign="top" width="144">Previous Version</td>
+      <td vAlign="top"><a href="http://http://www.unicode.org/Public/3.0-Update/NamesList-1.html">http://www.unicode.org/Public/3.0-Update/NamesList-1.html</a></td>
+    </tr>
+    <tr>
+      <td vAlign="top" width="144">Latest Version</td>
+      <td vAlign="top"><a href="http://www.unicode.org/Public/UNIDATA/NamesList.html">http://www.unicode.org/Public/UNIDATA/NamesList.html</a></td>
+    </tr>
+  </tbody>
+</table>
+<h3>
+<br>
+<i>Summary</i></h3>
+<blockquote>
+  <p>This file describes the format and contents of NamesList.txt</p>
+</blockquote>
+<h3><i>Status</i></h3>
+<blockquote>
+<p>
+<i>The file and the files described herein are part of the <a href="UnicodeCharacterDatabase-3.1.0.html"> Unicode Character Database</a> 
+(UCD)   
+and are governed by the <a href="#Terms of Use">UCD Terms of Use</a> stated at the end.</i></p>  
+</blockquote>
+          <hr width="50%">  
+
+<h2>1.0 Introduction</h2>
 
 <p>The Unicode name list file NamesList.txt (also NamesList.lst) is a plain text file used
 to drive the layout of the character code charts in the Unicode Standard. The information
@@ -85,12 +162,12 @@ CHAR_ENTRY:   NAME_LINE | RESERVED_LINE
                | CHAR_ENTRY NOTICE
 </strong></pre>
 
-<p>In other words:<br>
+<p>In other words:<br>    
 <br>
-Neither TITLE nor&nbsp; SUBTITLE may occur after the first BLOCKHEADER. </p>
+Neither TITLE nor&nbsp; SUBTITLE may occur after the first BLOCKHEADER. </p>    
 
-<p>Only TITLE, SUBTITLE, SUBHEADER, PAGEBREAK, COMMENT_LINE,&nbsp; and IGNORED_LINE may
-occur before the first BLOCKHEADER.</p>
+<p>Only TITLE, SUBTITLE, SUBHEADER, PAGEBREAK, COMMENT_LINE,&nbsp; and IGNORED_LINE may    
+occur before the first BLOCKHEADER.</p>    
 
 <p>Directly following either a NAME_LINE or a RESERVED_LINE an uninterrupted sequence of
 the following lines may occur (in any order and repeated as often as needed): ALIAS_LINE,
@@ -168,7 +245,7 @@ EMPTY_LINE: LF
                        // blank page, then output one or more charts
                        // followed by the list of character names. 
                        // use BLOCKSTART and BLOCKEND to define the 
-                       // what characters belong to a block
+                       // characters belonging to a block
                        // use blockname in page and table headers
        <strong>        &quot;@@&quot; &lt;tab&gt; BLOCKSTART &lt;tab&gt; BLOCKNAME COMMENT &lt;tab&gt; BLOCKEND
                        </strong>// if a comment is present it replaces the blockname
@@ -188,21 +265,37 @@ EMPTY_LINE:       LF
                        // character corresponding to char
                        // If character is combining, it is replaced with
                        // CHAR NBSP &lt;circ&gt; x NBSP where &lt;circ&gt; is the 
-                       // dotted circle</small>
-</pre>
+                       // dotted circle</small></pre>
+
+<p><strong>Notes:</strong> 
+
+</p>
+
+<ul>
+  <li>Blocks must be aligned on 16-code point boundary and contain an integer
+    multiple of code points. The exception to that rule is for blocks of
+    ideographs etc. for which no names are listed in the file. Such blocks must
+    end on the actual last character.</li>
+  <li>Blocks must be non-overlapping and in ascending order.&nbsp; Namelines    
+    must be in ascending order and following the block header for the block to    
+    which they belong.</li>    
+  <li>Reserved entries are optional, and will be supplied automatically. They 
+    are required whenever followed by ALIAS_LINE, COMMENT_LINE or CROSS_REF</li>
+</ul>
 
 <h3><strong>1.4 NamesList File Primitives</strong></h3>
 
 <p>The following are the primitives and terminals for the NamesList syntax.</p>
 
-<pre><small><strong>LINE:              STRING LF
-COMMENT:       &quot;(&quot; NAME &quot;)&quot;
-               &quot;(&quot; NAME &quot;)&quot; &quot;*&quot;
-</strong>
-<strong>NAME</strong>:         &lt;sequence of ASCII characters, except &quot;(&quot; or &quot;)&quot; &gt; 
+<pre><strong><small>LINE:              STRING LF
+COMMENT:               &quot;(&quot; NAME &quot;)&quot;
+               &quot;(&quot; NAME &quot;)&quot; &quot;*&quot; </small></strong><small>
+<strong>BLOCKNAME:</strong>    &lt;sequence of Latin-1 characters, except &quot;(&quot; and &quot;)&quot;&gt; 
+<strong>NAME</strong>:         &lt;sequence of uppercase ASCII letters, digit and hyphen&gt; 
 <strong>STRING</strong>:               &lt;sequence of Latin-1 characters&gt; 
 <strong>CHAR</strong>:         <strong>X X X X</strong>
-               <strong>| X X X X X X X X X</strong></small>
+               <strong>| X X X X X</strong>
+               <strong>| X X X X X X</strong></small>
 <small><strong>X:              &quot;0&quot;|&quot;1&quot;|&quot;2&quot;|&quot;3&quot;|&quot;4&quot;|&quot;5&quot;|&quot;6&quot;|&quot;7&quot;|&quot;8&quot;|&quot;9&quot;|&quot;A&quot;|&quot;B&quot;|&quot;C&quot;|&quot;D&quot;|&quot;E&quot;|&quot;F&quot; 
 &lt;tab&gt;:</strong>          &lt;sequence of one or more ASCII tab characters 0x09&gt;       
 <strong>SP</strong>:           &lt;ASCII 0x20&gt;
@@ -213,14 +306,67 @@ COMMENT:  &quot;(&quot; NAME &quot;)&quot;
 
 <ul>
   <li>Special lookahead logic prevents a mention of a 4 digit standard, such as ISO 9999 from
-    being misinterpreted as ISO CHAR.</li>
+    being misinterpreted as ISO CHAR. The - in a character range CHAR-CHAR is
+    replaced by an EN DASH.</li>
   <li>Use of Latin-1 is supported in unibook.exe, but not portably, unless the file is encoded as
     UTF-16LE.</li>
   <li>The final LF in the file must be present</li>
-  <li>A CHAR inside ' or &quot; is expanded, but only its glyph image is printed,&nbsp; the
-    code value is not echoed</li>
-  <li>Straight quotes in an EXPAND_LINE are replaced by curly quotes using English rules.
-    Apostrophes are supported, but nested quotes are not.</li>
+  <li>A CHAR inside ' or &quot; is expanded, but only its glyph image is printed,&nbsp;   
+    the   
+    code value is not echoed.</li>   
+  <li>Straight quotes in an EXPAND_LINE are replaced by curly quotes using English rules. 
+    Apostrophes are supported, but nested quotes are not.</li> 
 </ul>
-</body>
-</html>
+<h2>Modifications</h2>
+<p>Use of 4-6 digit hex notation is now supported.</p>
+          <hr width="50%">  
+<h2>
+UCD <a name="Terms of Use">Terms of Use</a></h2> 
+<h3>
+<i>Disclaimer</i></h3>
+<blockquote>
+  <p><i>The Unicode Character Database is provided as is by Unicode, Inc. No 
+  claims are made as to fitness for any particular purpose. No warranties of any 
+  kind are expressed or implied. The recipient agrees to determine applicability 
+  of information provided. If this file has been purchased on magnetic or 
+  optical media from Unicode, Inc., the sole remedy for any claim will be 
+  exchange of defective media within 90 days of receipt.</i></p>
+  <p><i>This disclaimer is applicable for all other data files accompanying the 
+  Unicode Character Database, some of which have been compiled by the Unicode 
+  Consortium, and some of which have been supplied by other sources.</i></p>
+</blockquote>
+<h3><i>Limitations on Rights to Redistribute This Data</i></h3>
+<blockquote>
+  <p><i>Recipient is granted the right to make copies in any form for internal 
+  distribution and to freely use the information supplied in the creation of 
+  products supporting the Unicode<sup>TM</sup> Standard. The files in the 
+  Unicode Character Database can be redistributed to third parties or other 
+  organizations (whether for profit or not) as long as this notice and the 
+  disclaimer notice are retained. Information can be extracted from these files 
+  and used in documentation or programs, as long as there is an accompanying 
+  notice indicating the source.</i></p>
+</blockquote>
+         <hr width="50%">  
+          <div align="center">  
+            <center>  
+            <table cellspacing="0" cellpadding="0" border="0">  
+              <tr>  
+                <td><a href="../../../../../../index.html"><img  
+                  src="http://www.unicode.org/img/hb_home.gif" border="0"  
+                  alt="Home" width="40" height="49"></a><a  
+                  href="../copyright.html"><img  
+                  src="http://www.unicode.org/img/hb_mid.gif" border="0"  
+                  alt="Terms of Use" width="152" height="49"></a><a  
+                  href="mailto:info@unicode.org"><img  
+                  src="http://www.unicode.org/img/hb_mail.gif" border="0"  
+                  alt="E-mail" width="46" height="49"></a></td>  
+              </tr>  
+            </table>  
+            <script language="Javascript" src="http://www.unicode.org/webscripts/lastModified.js"></script>                
+            </center>  
+          </div>  
+</form>  
+  
+</body>  
+  
+</html> 
diff --git a/lib/unicode/PropList.html b/lib/unicode/PropList.html
new file mode 100644 (file)
index 0000000..665fc67
--- /dev/null
@@ -0,0 +1,252 @@
+<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.0 Transitional//EN" "http://www.w3.org/TR/REC-html40/loose.dtd"> 
+<html>
+
+<head>
+<meta http-equiv="Content-Type" content="text/html; charset=utf-8">
+<meta http-equiv="Content-Language" content="en-us">
+<meta name="GENERATOR" content="Microsoft FrontPage 4.0">
+<meta name="ProgId" content="FrontPage.Editor.Document">
+<meta name="keywords"
+content="unicode, normalization, composition, decomposition">
+<meta name="description" content="Describes PropList.html">
+<title>UCD: Extended Character Properties</title>
+<link rel="stylesheet" type="text/css" href="http://www.unicode.org/unicode.css">
+</head>
+
+<body bgcolor="#ffffff">
+
+<table width="100%" cellpadding="0" cellspacing="0" border="0">
+  <tr>
+    <td>
+      <table width="100%" border="0" cellpadding="0" cellspacing="0">
+        <tr>
+          <td class="icon"><a href="http://www.unicode.org"><img border="0"
+            src="http://www.unicode.org/webscripts/logo60s2.gif" align="middle"
+            alt="[Unicode]" width="34" height="33"></a>&nbsp;&nbsp;<a
+            class="bar" href="UnicodeCharacterDatabase.html">Unicode Character 
+            Database</a></td>
+        </tr>
+      </table>
+    </td>
+  </tr>
+  <tr>
+    <td class="gray">&nbsp;</td>
+  </tr>
+</table>
+<h1>Extended Character Properties</h1>
+<table height="87" cellspacing="2" cellpadding="0" width="100%" border="1">
+  <tbody>
+    <tr>
+      <td valign="top" width="144">Revision</td>
+      <td valign="top">3.1.0</td>
+    </tr>
+    <tr>
+      <td valign="top" width="144">Authors</td>
+      <td valign="top">Mark Davis</td>
+    </tr>
+    <tr>
+      <td valign="top" width="144">Date</td>
+      <td valign="top">2001-02-28</td>
+    </tr>
+    <tr>
+      <td valign="top" width="144">This Version</td>
+      <td valign="top"><a
+        href="http://www.unicode.org/Public/3.1-Update/PropList-3.1.0.html">http://www.unicode.org/Public/3.1-Update/PropList-3.1.0.html</a></td>
+    </tr>
+    <tr>
+      <td valign="top" width="144">Previous Version</td>
+      <td valign="top">n/a</td>
+    </tr>
+    <tr>
+      <td valign="top" width="144">Latest Version</td>
+      <td valign="top"><a
+        href="http://www.unicode.org/Public/UNIDATA/PropList.html">http://www.unicode.org/Public/UNIDATA/PropList.html</a></td>
+    </tr>
+  </tbody>
+</table>
+<h3><i><br>
+Summary</i></h3>
+<blockquote>
+  <p><i>This document describes the format and content of the PropList.txt data 
+  file in the Unicode Character Database (UCD).</i></p>
+</blockquote>
+<h3><i>Status</i></h3>
+<blockquote>
+  <p><i>The file and the files described herein are part of the Unicode 
+  Character Database and governed by the <a href="#UCD_Terms">UCD Terms of Use</a> 
+  given below.</i></p>
+  <p><i>For general information on file formats and table formats, and the 
+  implications of normative vs informative properties, see 
+  UnicodeCharacterDatabase.html.</i></p>
+  <p><i><b>Warning: </b>the information in this file does not completely 
+  describe the use and interpretation of Unicode character properties and 
+  behavior. It must be used in conjunction with the data in the other files in 
+  the UCD, and relies on the notation and definitions supplied in <a
+  href="http://www.unicode.org/unicode/standard/versions/Unicode3.0.html">The 
+  Unicode Standard</a>. All chapter references are to Version 3.1.0 of the 
+  standard.</i></p>
+</blockquote>
+<hr width="50%">
+<h2>Introduction</h2>
+<p align="left">PropList.txt contains extended properties that supplement the 
+General Category property described in UnicodeData.html. Unlike the derived 
+properties, the properties in PropList.txt cannot be derived directly from 
+UnicodeData.txt or other data files of the UCD. These properties are listed in 
+the following table.</p>
+<div align="center">
+  <center>
+  <table border="1" cellspacing="0" cellpadding="3" class="smallText">
+    <tr>
+      <th>Property Value</th>
+      <th>N/I</th>
+      <th>Definition and Usage</th>
+    </tr>
+    <tr>
+      <th valign="top">White_space</th>
+      <th valign="top">N</th>
+      <td valign="top">Space characters and those format control characters 
+        (such as TAB, CR and LF) which should be treated by programming 
+        languages as &quot;white space&quot; for the purpose of parsing 
+        elements.
+        <p><b>Note:</b> ZERO WIDTH SPACE and ZERO WIDTH NO-BREAK SPACE are not 
+        included, since their functions are restricted to line-break control. 
+        Their names are unfortunately misleading in this respect.</p>
+        <p><b>Note: </b>There are other senses of &quot;whitespace&quot; that 
+        encompass a different set of characters.</p>
+      </td>
+    </tr>
+    <tr>
+      <th valign="top">Bidi_Control</th>
+      <th valign="top">N</th>
+      <td valign="top">Those format control characters which have specific 
+        functions in the Bidirectional Algorithm.</td>
+    </tr>
+    <tr>
+      <th valign="top">Join_Control</th>
+      <th valign="top">N</th>
+      <td valign="top">Those format control characters which have specific 
+        functions for control of cursive joining and ligation.</td>
+    </tr>
+    <tr>
+      <th valign="top">Dash</th>
+      <th valign="top">I</th>
+      <td valign="top">Those punctuation characters explicitly called out as 
+        dashes in the Unicode Standard, plus compatibility equivalents to those. 
+        Most of these have the Pd General Category, but some have the Sm General 
+        Category because of their use in mathematics.</td>
+    </tr>
+    <tr>
+      <th valign="top">Hyphen</th>
+      <th valign="top">I</th>
+      <td valign="top">Those dashes used to mark connections between pieces of 
+        words, plus the Katakana middle dot. The Katakana middle dot functions 
+        like a hyphen, but is shaped like a dot rather than a dash.</td>
+    </tr>
+    <tr>
+      <th valign="top">Quotation_Mark</th>
+      <th valign="top">I</th>
+      <td valign="top">Those punctuation characters that function as quotation 
+        marks.</td>
+    </tr>
+    <tr>
+      <th valign="top">Terminal_Punctuation</th>
+      <th valign="top">I</th>
+      <td valign="top">Those punctuation characters that generally mark the end 
+        of textual units.</td>
+    </tr>
+    <tr>
+      <th valign="top">Other_Math</th>
+      <th valign="top">I</th>
+      <td valign="top">Math characters that do not have the Sm General Category.</td>
+    </tr>
+    <tr>
+      <th valign="top">Hex_Digit</th>
+      <th valign="top">I</th>
+      <td valign="top">Characters commonly used for the representation of 
+        hexadecimal numbers, plus their compatibility equivalents.</td>
+    </tr>
+    <tr>
+      <th valign="top">Other_Alphabetic</th>
+      <th valign="top">I</th>
+      <td valign="top">Alphabetic characters that do not have L as their major 
+        class for the General Category (Lu, Ll, Lt, Lm, Lo).</td>
+    </tr>
+    <tr>
+      <th valign="top">Ideographic</th>
+      <th valign="top">I</th>
+      <td valign="top">Characters considered to be CJKV (Chinese, Japanese, 
+        Korean, and Vietnamese) ideographs.</td>
+    </tr>
+    <tr>
+      <th valign="top">Diacritic</th>
+      <th valign="top">I</th>
+      <td valign="top">Characters that linguistically modify the meaning of 
+        another character to which they apply. Some diacritics are not combining 
+        characters, and some combining characters are not diacritics.</td>
+    </tr>
+    <tr>
+      <th valign="top">Extender</th>
+      <th valign="top">I</th>
+      <td valign="top">Characters whose principal function is to extend the 
+        value or shape of a preceding alphabetic character. Typical of these are 
+        length and iteration marks.</td>
+    </tr>
+    <tr>
+      <th valign="top">Other_Lowercase</th>
+      <th valign="top">I</th>
+      <td valign="top">Lowercase characters that do not have the Ll General 
+        Category.</td>
+    </tr>
+    <tr>
+      <th valign="top">Other_Uppercase</th>
+      <th valign="top">I</th>
+      <td valign="top">Uppercase characters that do not have the Lu General 
+        Category.</td>
+    </tr>
+    <tr>
+      <th valign="top">Noncharacter_Code_Point</th>
+      <th valign="top">N</th>
+      <td valign="top">Code points that are explicitly defined as illegal for 
+        the encoding of characters. See <a
+        href="http://www.unicode.org/unicode/reports/tr27/">Unicode 3.1</a> for 
+        more information.</td>
+    </tr>
+  </table>
+  </center>
+</div>
+<h2><i><a name="UCD_Terms"><br>
+UCD Terms of Use</a></i></h2>
+<h3><i>Disclaimer</i></h3>
+<blockquote>
+  <p><i>The Unicode Character Database is provided as is by Unicode, Inc. No 
+  claims are made as to fitness for any particular purpose. No warranties of any 
+  kind are expressed or implied. The recipient agrees to determine applicability 
+  of information provided. If this file has been purchased on magnetic or 
+  optical media from Unicode, Inc., the sole remedy for any claim will be 
+  exchange of defective media within 90 days of receipt.</i></p>
+  <p><i>This disclaimer is applicable for all other data files accompanying the 
+  Unicode Character Database, some of which have been compiled by the Unicode 
+  Consortium, and some of which have been supplied by other sources.</i></p>
+</blockquote>
+<h3><i>Limitations on Rights to Redistribute This Data</i></h3>
+<blockquote>
+  <p><i>Recipient is granted the right to make copies in any form for internal 
+  distribution and to freely use the information supplied in the creation of 
+  products supporting the Unicode<sup>TM</sup> Standard. The files in the 
+  Unicode Character Database can be redistributed to third parties or other 
+  organizations (whether for profit or not) as long as this notice and the 
+  disclaimer notice are retained. Information can be extracted from these files 
+  and used in documentation or programs, as long as there is an accompanying 
+  notice indicating the source.</i></p>
+</blockquote>
+<hr width="50%">
+<p align="center"><a href="http://www.unicode.org/unicode/copyright.html"><img
+src="http://www.unicode.org/img/hb_home.gif" border="0" alt="Home" width="40"
+height="49"><img src="http://www.unicode.org/img/hb_mid.gif" border="0"
+alt="Terms of Use" width="152" height="49"><img
+src="http://www.unicode.org/img/hb_mail.gif" border="0" alt="E-mail" width="46"
+height="49"></a>
+
+</body>
+
+</html>
index 284349e..3634dc5 100644 (file)
 
 <body>
 
-<h1>UNICODE CHARACTER DATABASE<br>
-Version 3.0.1</h1>
+<table width="100%" cellpadding="0" cellspacing="0" border="0">
+  <tr>
+    <td>
+      <table width="100%" border="0" cellpadding="0" cellspacing="0">
+        <tr>
+          <td class="icon"><a href="http://www.unicode.org"><img border="0"
+            src="http://www.unicode.org/webscripts/logo60s2.gif" align="middle"
+            alt="[Unicode]" width="34" height="33"></a>&nbsp;&nbsp;<a
+            class="bar" href="UnicodeCharacterDatabase.html">Unicode Character 
+            Database</a></td>
+        </tr>
+      </table>
+    </td>
+  </tr>
+  <tr>
+    <td class="gray">&nbsp;</td>
+  </tr>
+</table>
+<h1>UNICODE CHARACTER DATABASE</h1>
 <table border="1" cellspacing="2" cellpadding="0" height="87" width="100%">
   <tr>
     <td valign="TOP" width="144">Revision</td>
-    <td valign="TOP">3.0.1</td>
+    <td valign="TOP">3.1.0</td>
   </tr>
   <tr>
     <td valign="TOP" width="144">Authors</td>
@@ -28,17 +45,17 @@ Version 3.0.1</h1>
   </tr>
   <tr>
     <td valign="TOP" width="144">Date</td>
-    <td valign="TOP">2000-08-17</td>
+    <td valign="TOP">2001-02-28</td>
   </tr>
   <tr>
     <td valign="TOP" width="144">This Version</td>
     <td valign="TOP"><a
-      href="http://www.unicode.org/Public/3.0-Update1/UnicodeCharacterDatabase-3.0.1.html">http://www.unicode.org/Public/3.0-Update1/UnicodeCharacterDatabase-3.0.1.html</a></td>
+      href="http://http://www.unicode.org/Public/3.1-Update/UnicodeCharacterDatabase-3.1.0.html">http://www.unicode.org/Public/3.1-Update/UnicodeCharacterDatabase-3.1.0.html</a></td>
   </tr>
   <tr>
     <td valign="TOP" width="144">Previous Version</td>
     <td valign="TOP"><a
-      href="http://www.unicode.org/Public/3.0-Update/UnicodeCharacterDatabase-3.0.0.html">http://www.unicode.org/Public/3.0-Update/UnicodeCharacterDatabase-3.0.0.html</a></td>
+      href="http://www.unicode.org/Public/3.0-Update1/UnicodeCharacterDatabase-3.0.1.html">http://www.unicode.org/Public/3.0-Update1/UnicodeCharacterDatabase-3.0.1.html</a></td>
   </tr>
   <tr>
     <td valign="TOP" width="144">Latest Version</td>
@@ -46,155 +63,308 @@ Version 3.0.1</h1>
       href="http://www.unicode.org/Public/UNIDATA/UnicodeCharacterDatabase.html">http://www.unicode.org/Public/UNIDATA/UnicodeCharacterDatabase.html</a></td>
   </tr>
 </table>
-<p align="center">Copyright Â© 1995-2000 Unicode, Inc. All Rights reserved.</p>
-<h2>Disclaimer</h2>
-<p>The Unicode Character Database is provided as is by Unicode, Inc. No claims 
-are made as to fitness for any particular purpose. No warranties of any kind are 
-expressed or implied. The recipient agrees to determine applicability of 
-information provided. If this file has been purchased on magnetic or optical 
-media from Unicode, Inc., the sole remedy for any claim will be exchange of 
-defective media within 90 days of receipt.</p>
-<p>This disclaimer is applicable for all other data files accompanying the 
-Unicode Character Database, some of which have been compiled by the Unicode 
-Consortium, and some of which have been supplied by other sources.</p>
-<h2>Limitations on Rights to Redistribute This Data</h2>
-<p>Recipient is granted the right to make copies in any form for internal 
-distribution and to freely use the information supplied in the creation of 
-products supporting the Unicode<sup>TM</sup> Standard. The files in the Unicode 
-Character Database can be redistributed to third parties or other organizations 
-(whether for profit or not) as long as this notice and the disclaimer notice are 
-retained. Information can be extracted from these files and used in 
-documentation or programs, as long as there is an accompanying notice indicating 
-the source.</p>
+<h3><br>
+S<i>ummary</i></h3>
+<blockquote>
+  <p><i>This document describes the format and content of the Unicode Character 
+  Database (UCD)</i></p>
+</blockquote>
+<h3><i>Status</i></h3>
+<blockquote>
+  <p><i>The file and the files described herein are part of the Unicode 
+  Character Database and are governed by the <a href="#UCD_Terms">UCD Terms of 
+  Use</a> given below.</i></p>
+  <p><i>The <a href="#References">References</a> provide related information 
+  that is useful in understanding this document.</i></p>
+  <p><i><b>Warning: </b>the information in this file does not completely 
+  describe the use and interpretation of Unicode character properties and 
+  behavior. It must be used in conjunction with the data in the other files in 
+  the Unicode Character Database, and relies on the notation and definitions 
+  supplied in <a
+  href="http://www.unicode.org/unicode/standard/versions/Unicode3.0.html">The 
+  Unicode Standard</a>. All chapter references are to Version 3.1.0 of the 
+  standard.</i></p>
+</blockquote>
 <h2>Introduction</h2>
-<p>The Unicode Character Database is a set of files that define the Unicode 
-character properties and internal mappings. For more information about character 
-properties and mappings, see <i><a
-href="http://www.unicode.org/unicode/uni2book/u2.html">The Unicode Standard</a></i>.</p>
-<p>The Unicode Character Database has been updated to reflect Version 3.0 of the 
-Unicode Standard, with many characters added to those published in Version 2.0. 
-A number of corrections have also been made to case mappings or other errors in 
-the database noted since the publication of Version 2.0. Normative bidirectional 
-properties have also been modified to reflect decisions of the Unicode Technical 
-Committee.</p>
-<p>For more information on versions of the Unicode Standard and how to reference 
-them, see <a href="http://www.unicode.org/unicode/standard/versions/">http://www.unicode.org/unicode/standard/versions/</a>.</p>
-<h2>Conformance</h2>
-<p>Character properties may be either normative or informative. <i>Normative</i> 
-means that implementations that claim conformance to the Unicode Standard (at a 
-particular version) and which make use of a particular property or field must 
-follow the specifications of the standard for that property or field in order to 
-be conformant. The term <i>normative</i> when applied to a property or field of 
-the Unicode Character Database, does <i>not</i> mean that the value of that 
-field will never change. Corrections and extensions to the standard in the 
-future may require minor changes to normative values, even though the Unicode 
-Technical Committee strives to minimize such changes. An<i> informative </i>property 
-or field is strongly recommended, but a conformant implementation is free to use 
-or change such values as it may require while still being conformant to the 
-standard. Particular implementations may choose to override the properties and 
-mappings that are not normative. In that case, it is up to the implementer to 
-establish a protocol to convey that information.</p>
-<h2>Files</h2>
-<p>The following summarizes the files in the Unicode Character Database. &nbsp;For 
-more information about these files, see the referenced technical report(s) or 
-section of Unicode Standard, Version 3.0.</p>
-<p><b>UnicodeData.txt (Chapter 4, <a
-href="http://www.unicode.org/unicode/reports/tr21/">UTR #21: Case Mappings</a>, <a
-href="http://www.unicode.org/unicode/reports/tr15/">UAX #15 Unicode Normalization 
-Forms</a>)</b>
-<ul>
-  <li>The main file in the Unicode Character Database.</li>
-  <li>For detailed information on the format, see <a href="UnicodeData.html">UnicodeData.html</a>. 
-    This file also characterizes which properties are normative and which are 
-    informative.</li>
-</ul>
-<p><b>PropList.txt (Chapter 4)</b>
-<ul>
-  <li>Additional informative properties list: <i>Alphabetic, Ideographic,</i> 
-    and <i>Mathematical</i>, among others.</li>
-</ul>
-<p><b>SpecialCasing.txt (Chapter 4, <a
-href="http://www.unicode.org/unicode/reports/tr21/">UTR #21: Case Mappings</a>)</b>
-<ul>
-  <li>List of informative special casing properties, including one-to-many 
-    mappings such as SHARP S =&gt; &quot;SS&quot;, and locale-specific mappings, 
-    such as for Turkish <i>dotless i</i>.</li>
-</ul>
-<p><b>Blocks.txt (Chapter 14)</b>
-<ul>
-  <li>List of normative block names.</li>
-</ul>
-<p><b>Jamo.txt (Chapter 4)</b>
-<ul>
-  <li>List of normative Jamo short names, used in deriving HANGUL SYLLABLE names 
-    algorithmically.</li>
-</ul>
-<p><b>ArabicShaping.txt (Section 8.2)</b>
-<ul>
-  <li>Basic Arabic and Syriac character shaping properties, such as initial, 
-    medial and final shapes. These properties are normative for minimal shaping 
-    of Arabic and Syriac.</li>
-</ul>
-<p><b>NamesList.txt (Chapter 14)</b>
-<ul>
-  <li>This file duplicates some of the material in the UnicodeData file, and 
-    adds informative annotations uses in the character charts, as printed in the 
-    Unicode Standard.</li>
-  <li><b>Note: </b>The information in NamesList.txt and Index.txt files matches 
-    the appropriate version of the book. Changes in the Unicode Character 
-    Database since then may not be reflected in these files, since they are 
-    primarily of archival interest.</li>
-</ul>
-<p><b>Index.txt (Chapter 14)</b>
-<ul>
-  <li>Informative index to Unicode characters, as printed in the Unicode 
-    Standard</li>
-  <li><b>Note: </b>The information in NamesList.txt and Index.txt files matches 
-    the appropriate version of the book. Changes in the Unicode Character 
-    Database since then may not be reflected in these files, since they are 
-    primarily of archival interest.</li>
-</ul>
-<p><b>CompositionExclusions.txt (<a
-href="http://www.unicode.org/unicode/reports/tr15/">UAX #15 Unicode Normalization 
-Forms</a>)</b>
-<ul>
-  <li>Normative properties for normalization.</li>
-</ul>
-<p><b>LineBreak.txt (<a href="http://www.unicode.org/unicode/reports/tr14/">UAX 
-#14: Line Breaking Properties</a>)</b>
+<p>The Unicode Character Database (UCD) is a set of files that define the 
+Unicode character properties and internal mappings. This document describes the 
+files that are part of <a href="http://www.unicode.org/unicode/reports/tr27/">The 
+Unicode Standard, Version 3.1</a> [<a href="#U3.1">U3.1</a>]. The main changes 
+in this version are:</p>
 <ul>
-  <li>Normative and informative properties for line breaking. To see which 
-    properties are informative and which are normative, consult UAX #14.</li>
+  <li>All of the data files have been updated to account for the large number of 
+    additional characters in Unicode 3.1.</li>
+  <li>PropList.txt has been extensively reorganized and reformatted.</li>
+  <li>Scripts.txt has been added to the UCD.</li>
+  <li>A large number of informative derived property files have been added to 
+    the UCD.</li>
 </ul>
-<p><b>EastAsianWidth.txt (<a href="http://www.unicode.org/unicode/reports/tr11/">UAX 
-#11: East Asian Character Width</a>)</b>
+<p><i>Files in the UCD use a common format unless otherwise specified. For 
+details, see <a href="#UCD_File_Format">UCD File Format</a>.</i></p>
+<h2><a name="Conformance">Conformance</a></h2>
+<p>For information on the meaning and application of the terms normative and 
+informative, see &quot;Chapter 4, Character Properties (revision)&quot; in <a
+href="http://www.unicode.org/unicode/reports/tr27/#conformance">UAX #27, Unicode 
+3.1</a>.</p>
+<p>Some informative data files contain derived properties, properties that can 
+be derived from other properties in the UCD. The derived properties that are 
+computed from solely normative properties are themselves normative, while the 
+others are informative.</p>
+<h2>UCD Files</h2>
+<p>The following table summarizes the files in the Unicode Character Database. 
+&nbsp;For more information about these files, see the referenced technical 
+report(s), files, or section of Unicode Standard, Version 3.1.</p>
+<table border="1" cellspacing="0" cellpadding="4">
+  <tr>
+    <th>&quot;.txt&quot; File</th>
+    <th>Description</th>
+    <th align="center">N/I</th>
+    <th>Summary</th>
+  </tr>
+  <tr>
+    <td>ArabicShaping</td>
+    <td>Section 8.2</td>
+    <td align="center">N</td>
+    <td>Basic Arabic and Syriac character shaping properties, such as initial, 
+      medial and final shapes.</td>
+  </tr>
+  <tr>
+    <td>BidiMirroring</td>
+    <td><a href="http://www.unicode.org/unicode/reports/tr9/">UAX #9</a></td>
+    <td align="center">I</td>
+    <td>Properties for substituting characters in an implementation of 
+      bidirectional mirroring.</td>
+  </tr>
+  <tr>
+    <td>Blocks</td>
+    <td>Chapter 14</td>
+    <td align="center">N</td>
+    <td>List of block names.</td>
+  </tr>
+  <tr>
+    <td>CaseFolding</td>
+    <td><a href="http://www.unicode.org/unicode/reports/tr21/">UTR #21</a></td>
+    <td align="center">N</td>
+    <td>Mapping from characters to their case-folded forms. This is an 
+      informative file containing normative derived properties.
+      <p><i>Derived from UnicodeData and SpecialCasing.</i></p>
+    </td>
+  </tr>
+  <tr>
+    <td>CompositionExclusions</td>
+    <td><a href="http://www.unicode.org/unicode/reports/tr15/">UAX #15</a></td>
+    <td align="center">N</td>
+    <td>Properties for normalization.</td>
+  </tr>
+  <tr>
+    <td><i>DerivedXXX</i></td>
+    <td>DerivedProperties.html</td>
+    <td align="center">N/I</td>
+    <td>Various informative derived files, described in the documentation file. 
+      Some of the derived properties are normative and some are informative.</td>
+  </tr>
+  <tr>
+    <td>EastAsianWidth</td>
+    <td><a href="http://www.unicode.org/unicode/reports/tr11/">UAX #11</a></td>
+    <td align="center">I</td>
+    <td>Properties for determining the choice of wide vs. narrow glyphs in East 
+      Asian contexts.</td>
+  </tr>
+  <tr>
+    <td>Index</td>
+    <td>Chapter 14</td>
+    <td align="center">I</td>
+    <td>Index to Unicode characters, as printed in the Unicode Standard. (See <a
+      href="#Update_Note">Update Note</a>.)</td>
+  </tr>
+  <tr>
+    <td>Jamo</td>
+    <td>Chapter 4</td>
+    <td align="center">N</td>
+    <td>List of Jamo short names, used in deriving HANGUL SYLLABLE names 
+      algorithmically.</td>
+  </tr>
+  <tr>
+    <td>LineBreak</td>
+    <td><a href="http://www.unicode.org/unicode/reports/tr14/">UAX #14</a></td>
+    <td align="center">N/I</td>
+    <td>Properties for line breaking.</td>
+  </tr>
+  <tr>
+    <td>NamesList</td>
+    <td>Chapter 14</td>
+    <td align="center">I</td>
+    <td>This file duplicates some of the material in the UnicodeData file, and 
+      adds annotations used in the character charts.</td>
+  </tr>
+  <tr>
+    <td>NormalizationTest</td>
+    <td><a href="http://www.unicode.org/unicode/reports/tr15/">UAX #15</a></td>
+    <td align="center">N</td>
+    <td>Test file for conformance to Unicode Normalization Forms.</td>
+  </tr>
+  <tr>
+    <td>PropList</td>
+    <td>PropList.html</td>
+    <td align="center">N/I</td>
+    <td>Extended character properties</td>
+  </tr>
+  <tr>
+    <td>Scripts</td>
+    <td><a href="http://www.unicode.org/unicode/reports/tr24/">UTR #24</a></td>
+    <td align="center">I</td>
+    <td>Default scripts values for use in regular expressions.</td>
+  </tr>
+  <tr>
+    <td>SpecialCasing</td>
+    <td>Chapter 4,<br>
+      <a href="http://www.unicode.org/unicode/reports/tr21/">UTR #21</a></td>
+    <td align="center">N</td>
+    <td>List of properties required for full case mapping.</td>
+  </tr>
+  <tr>
+    <td>UnicodeData</td>
+    <td>UnicodeData.html,<br>
+      Chapter 4,<br>
+      <a href="http://www.unicode.org/unicode/reports/tr21/">UTR #21</a>,<br>
+      <a href="http://www.unicode.org/unicode/reports/tr15/">UAX #15</a></td>
+    <td align="center">N/I</td>
+    <td>The main file in the UCD.&nbsp;</td>
+  </tr>
+  <tr>
+    <td>Unihan</td>
+    <td>Unihan.txt</td>
+    <td align="center">N/I</td>
+    <td>Extended properties of Han (CJK) characters. (See <a href="#Format_Note">Format 
+      Note</a>.)</td>
+  </tr>
+</table>
+<blockquote>
+  <p><b><a name="Update_Note">Update Note</a>: </b>The information in Index.txt 
+  files matches the appropriate version of the book. Changes in the Unicode 
+  Character Database since then may not be reflected in these files, since they 
+  are primarily of archival interest.</p>
+  <p><b><a name="Format_Note">Format Note</a>: </b>The file data format differs 
+  from the standard format, and is described in the header of the file. The 
+  header also describes which properties are informative and which are 
+  normative.</p>
+</blockquote>
+<h2><a name="UCD_File_Format">UCD File Format</a></h2>
+<p>Files in the UCD use the following format, unless otherwise specified.</p>
 <ul>
-  <li>Informative properties for determining the choice of wide vs. narrow 
-    glyphs in East Asian contexts.</li>
+  <li>Each line of data consists of fields separated by semicolons. The fields 
+    are numbered starting with zero. Code points are expressed as hexadecimal 
+    numbers with four to six digits. They are written without &quot;U+&quot;. 
+    Within a sequence of code points, spaces are used for separation. Leading 
+    and trailing spaces within a field are not significant.</li>
 </ul>
-<p><b>BidiMirroring.txt</b><b> (<a
-href="http://www.unicode.org/unicode/reports/tr9/">UAX #9:&nbsp;The 
-Bidirectional Algorithm</a>)</b></p>
 <ul>
-  <li>Informative properties for substituting characters in an implementation of 
-    bidirectional mirroring.</li>
+  <li>The first field (0) of each line in the Unicode Character Database files 
+    represents a code point or range. The remaining fields (1..n) are properties 
+    associated with that code point.</li>
 </ul>
-<p><b>CaseFolding.txt (<a href="http://www.unicode.org/unicode/reports/tr21/">UTR 
-#21: Case Mappings</a>)</b></p>
 <ul>
-  <li>Informative file mapping characters to their case-folded form.</li>
+  <li>A range of code points is specified by the form &quot;X..Y&quot;. Each 
+    code point from X to Y has the associated properties. For example:</li>
 </ul>
-<p><b>NormalizationTest.txt (<a
-href="http://www.unicode.org/unicode/reports/tr15/">UAX #15 Unicode Normalization 
-Forms</a>)</b></p>
+<blockquote>
+  <pre>0000..007F; Basic Latin
+0080..00FF; Latin-1 Supplement
+
+1680      ; White_space # Zs OGHAM SPACE MARK
+2000..200A; White_space # Zs [11] EN QUAD..HAIR SPACE</pre>
+</blockquote>
 <ul>
-  <li>Normative test file for conformance to Unicode Normalization Forms.</li>
+  <li>Hash marks (&quot;#&quot;) are used to indicate comments: all characters 
+    from the hash mark to the end of the line are comments, and disregarded when 
+    parsing data. In many files, the comments on data lines use a common format.</li>
 </ul>
-<p><b>diffXvY.txt</b>
+<blockquote>
+  <pre>00BC..00BE ; numeric # No [3] VULGAR FRACTION ONE QUARTER..VULGAR FRACTION THREE QUARTERS</pre>
+</blockquote>
 <ul>
-  <li>Mechanically-generated informative files containing accumulated 
-    differences between successive versions of UnicodeData.txt</li>
+  <li>The first part of the comment is the UCD general category. The symbol 
+    &quot;L&amp;&quot; indicates characters of type Lu, Ll, or Lt. The code 
+    point ranges are calculated so that they all have the same General Category 
+    (or L&amp;). While this results in more ranges than are strictly necessary, 
+    it makes the contents of the ranges clearer. The second part of the comment 
+    (in square brackets), indicates the number of items in a range, if there is 
+    one. The third part is the name of the character in field zero: if it is a 
+    range, then the character names for the ends of the range are separated by 
+    &quot;..&quot;.</li>
 </ul>
+<p>However, the comments are purely informational, and may change format or be 
+omitted in the future. They should not be parsed for content.</p>
+<h2><a name="References">References</a></h2>
+<table cellspacing="12" cellpadding="0" width="100%" border="0">
+  <tbody>
+    <tr>
+      <td valign="top" width="1">[<a name="FAQ">FAQ</a>]</td>
+      <td valign="top">Unicode Frequently Asked Questions<br>
+        <a href="http://www.unicode.org/unicode/faq/">http://www.unicode.org/unicode/faq/<br>
+        </a><i>For answers to common questions on technical issues.</i></td>
+    </tr>
+    <tr>
+      <td valign="top" width="1">[<a name="Glossary">Glossary</a>]</td>
+      <td valign="top">Unicode Glossary<a
+        href="http://www.unicode.org/glossary/"><br>
+        http://www.unicode.org/glossary/<br>
+        </a><i>For explanations of terminology used in this and other documents.</i></td>
+    </tr>
+    <tr>
+      <td valign="top" width="1">[<a name="Reports">Reports</a>]</td>
+      <td valign="top">Unicode Technical Reports<br>
+        <a href="http://www.unicode.org/unicode/reports/">http://www.unicode.org/unicode/reports/<br>
+        </a><i>For information on the status and development process for 
+        technical reports, and for a list of technical reports.</i></td>
+    </tr>
+    <tr>
+      <td valign="top" width="1">[<a name="U3.1">U3.1</a>]</td>
+      <td valign="top">Unicode Standard Annex #27: Unicode 3.1<a
+        href="http://www.unicode.org/unicode/reports/tr27/"><br>
+        http://www.unicode.org/unicode/reports/tr27/</a></td>
+    </tr>
+    <tr>
+      <td valign="top" width="1">[<a name="Versions">Versions</a>]</td>
+      <td valign="top">Versions of the Unicode Standard<br>
+        <a href="http://www.unicode.org/unicode/standard/versions/">http://www.unicode.org/unicode/standard/versions/<br>
+        </a><i>For details on the precise contents of each version of the 
+        Unicode Standard, and how to cite them.</i></td>
+    </tr>
+  </tbody>
+</table>
+<h2><br>
+<i><a name="UCD_Terms">UCD Terms of Use</a></i></h2>
+<h3><i>Disclaimer</i></h3>
+<blockquote>
+  <p><i>The Unicode Character Database is provided as is by Unicode, Inc. No 
+  claims are made as to fitness for any particular purpose. No warranties of any 
+  kind are expressed or implied. The recipient agrees to determine applicability 
+  of information provided. If this file has been purchased on magnetic or 
+  optical media from Unicode, Inc., the sole remedy for any claim will be 
+  exchange of defective media within 90 days of receipt.</i></p>
+  <p><i>This disclaimer is applicable for all other data files accompanying the 
+  Unicode Character Database, some of which have been compiled by the Unicode 
+  Consortium, and some of which have been supplied by other sources.</i></p>
+</blockquote>
+<h3><i>Limitations on Rights to Redistribute This Data</i></h3>
+<blockquote>
+  <p><i>Recipient is granted the right to make copies in any form for internal 
+  distribution and to freely use the information supplied in the creation of 
+  products supporting the Unicode<sup>TM</sup> Standard. The files in the 
+  Unicode Character Database can be redistributed to third parties or other 
+  organizations (whether for profit or not) as long as this notice and the 
+  disclaimer notice are retained. Information can be extracted from these files 
+  and used in documentation or programs, as long as there is an accompanying 
+  notice indicating the source.</i></p>
+</blockquote>
+<hr width="50%">
+<p align="center"><a href="http://www.unicode.org/unicode/copyright.html"><img
+src="http://www.unicode.org/img/hb_home.gif" border="0" alt="Home" width="40"
+height="49"><img src="http://www.unicode.org/img/hb_mid.gif" border="0"
+alt="Terms of Use" width="152" height="49"><img
+src="http://www.unicode.org/img/hb_mail.gif" border="0" alt="E-mail" width="46"
+height="49"></a>
 
 </body>
 
index a8fbe32..7e6eb48 100644 (file)
 
 <body>
 
-<h1>UnicodeData File Format<br>
-Version 3.0.1</h1>
+<table width="100%" cellpadding="0" cellspacing="0" border="0">
+  <tr>
+    <td>
+      <table width="100%" border="0" cellpadding="0" cellspacing="0">
+        <tr>
+          <td class="icon"><a href="http://www.unicode.org"><img border="0"
+            src="http://www.unicode.org/webscripts/logo60s2.gif" align="middle"
+            alt="[Unicode]" width="34" height="33"></a>&nbsp;&nbsp;<a
+            class="bar" href="UnicodeCharacterDatabase.html">Unicode Character 
+            Database</a></td>
+        </tr>
+      </table>
+    </td>
+  </tr>
+  <tr>
+    <td class="gray">&nbsp;</td>
+  </tr>
+</table>
+<h1>Unicode Data File Format</h1>
 <table border="1" cellspacing="2" cellpadding="0" height="87" width="100%">
   <tr>
     <td valign="TOP" width="144">Revision</td>
-    <td valign="TOP">3.0.1</td>
+    <td valign="TOP">3.1.0</td>
   </tr>
   <tr>
     <td valign="TOP" width="144">Authors</td>
@@ -23,17 +40,17 @@ Version 3.0.1</h1>
   </tr>
   <tr>
     <td valign="TOP" width="144">Date</td>
-    <td valign="TOP">2000-08-17</td>
+    <td valign="TOP">2001-02-28</td>
   </tr>
   <tr>
     <td valign="TOP" width="144">This Version</td>
     <td valign="TOP"><a
-      href="http://www.unicode.org/Public/3.0-Update1/UnicodeData-3.0.1.html">http://www.unicode.org/Public/3.0-Update1/UnicodeData-3.0.1.html</a></td>
+      href="http://www.unicode.org/Public/3.1-Update/UnicodeData-3.1.0.html">http://www.unicode.org/Public/3.1-Update/UnicodeData-3.1.0.html</a></td>
   </tr>
   <tr>
     <td valign="TOP" width="144">Previous Version</td>
     <td valign="TOP"><a
-      href="http://www.unicode.org/Public/3.0-Update/UnicodeData-3.0.0.html">http://www.unicode.org/Public/3.0-Update/UnicodeData-3.0.0.html</a></td>
+      href="http://www.unicode.org/Public/3.0-Update1/UnicodeData-3.0.1.html">http://www.unicode.org/Public/3.0-Update1/UnicodeData-3.0.1.html</a></td>
   </tr>
   <tr>
     <td valign="TOP" width="144">Latest Version</td>
@@ -41,9 +58,29 @@ Version 3.0.1</h1>
       href="http://www.unicode.org/Public/UNIDATA/UnicodeData.html">http://www.unicode.org/Public/UNIDATA/UnicodeData.html</a></td>
   </tr>
 </table>
-<p align="center">Copyright Â© 1995-2000 Unicode, Inc. All Rights reserved.<br>
-<i>For more information, including Disclamer and Limitations, see <a
-href="UnicodeCharacterDatabase-3.0.1.html">UnicodeCharacterDatabase-3.0.1.html</a></i></p>
+<h3><br>
+S<i>ummary</i></h3>
+<blockquote>
+  <p><i>This document describes the format and content of the UnicodeData.txt 
+  file in the Unicode Character Database (UCD).</i></p>
+</blockquote>
+<h3><i>Status</i></h3>
+<blockquote>
+  <p><i>The file and the files described herein are part of the Unicode 
+  Character Database&nbsp; and governed by the <a href="#UCD_Terms">UCD Terms of 
+  Use</a> given below.</i></p>
+  <p><i>For general information on file formats and table formats, and the 
+  implications of normative vs informative properties, see 
+  UnicodeCharacterDatabase.html. </i></p>
+  <p><i><b>Warning: </b>the information in this file does not completely 
+  describe the use and interpretation of Unicode character properties and 
+  behavior. It must be used in conjunction with the data in the other files in 
+  the UCD, and relies on the notation and definitions supplied in <a
+  href="http://www.unicode.org/unicode/standard/versions/Unicode3.0.html">The 
+  Unicode Standard</a>. All chapter references are to Version 3.1.0 of the 
+  standard.</i></p>
+</blockquote>
+<h2>Introduction</h2>
 <p>This document describes the format of the UnicodeData.txt file, which is one 
 of the files in the Unicode Character Database. The document is divided into the 
 following sections:
@@ -62,80 +99,68 @@ following sections:
   <li><a href="#Property Invariants">Property Invariants</a></li>
   <li><a href="#Modification History">Modification History</a></li>
 </ul>
-<p><b>Warning: </b>the information in this file does not completely describe the 
-use and interpretation of Unicode character properties and behavior. It must be 
-used in conjunction with the data in the other files in the <a
-href="UnicodeCharacterDatabase-3.0.1.html">Unicode Character Database</a>, and 
-relies on the notation and definitions supplied in <i><a
-href="http://www.unicode.org/unicode/standard/versions/Unicode3.0.html">The 
-Unicode Standard</a></i>. All chapter references are to Version 3.0 of the 
-standard.</p>
 <h2><a name="Field Formats"></a>Field Formats</h2>
-<p>The file consists of lines containing fields separated by semicolons. Each 
-line represents the data for one encoded character in the Unicode Standard. 
-Every encoded character has a data entry, with the exception of certain special 
-ranges, as detailed below.
+<p>Each line represents the data for one encoded character in the Unicode 
+Standard. (For information on the file format, see UCD File Format in 
+UnicodeCharacterDatabase.html).
+<p>Every encoded character has a data entry, with the exception of certain 
+special ranges, as detailed below.
 <ul>
-  <li>There are nine special ranges of characters that are represented only by 
-    their start and end characters, since the properties in the file are 
-    uniform, except for code values (which are all sequential and assigned).</li>
+  <li>These ranges represented only by their start and end characters, since the 
+    properties in the file are uniform, except for code values (which are all 
+    sequential and assigned).</li>
   <li>The names of CJK ideograph characters and the names and decompositions of 
     Hangul syllable characters are algorithmically derivable. (See the Unicode 
     Standard and <a href="http://www.unicode.org/unicode/reports/tr15/">Unicode 
     Standard Annex #15</a> for more information).</li>
   <li>Surrogate code values and private use characters have no names.</li>
-  <li>The Private Use character outside of the BMP (U+F0000..U+FFFFD, 
-    U+100000..U+10FFFD) are listed as distinct ranges. These correspond to surrogate pairs 
+  <li>The supplementary Private Use characters (U+F0000 .. U+FFFFD, U+100000 .. 
+    U+10FFFD) are listed as distinct ranges. These correspond to surrogate pairs 
     where the first surrogate is in the High Surrogate Private Use section.</li>
 </ul>
 <p>The exact ranges represented by start and end characters are:
 <ul>
-  <li>CJK Ideographs Extension A (U+3400 - U+4DB5)</li>
-  <li>CJK Ideographs (U+4E00 - U+9FA5)</li>
-  <li>Hangul Syllables (U+AC00 - U+D7A3)</li>
-  <li>Non-Private Use High Surrogates (U+D800 - U+DB7F)</li>
-  <li>Private Use High Surrogates (U+DB80 - U+DBFF)</li>
-  <li>Low Surrogates (U+DC00 - U+DFFF)</li>
-  <li>The Private Use Area (U+E000 - U+F8FF)</li>
-  <li>Plane 15 Private Use Area (U+F0000 - U+FFFFD)</li>
-  <li>Plane 16 Private Use Area (U+100000 - U+10FFFD)</li>
+  <li>CJK Ideographs Extension A (U+3400 .. U+4DB5)</li>
+  <li>CJK Ideographs (U+4E00 .. U+9FA5)</li>
+  <li>Hangul Syllables (U+AC00 .. U+D7A3)</li>
+  <li>Non-Private Use High Surrogates (U+D800 .. U+DB7F)</li>
+  <li>Private Use High Surrogates (U+DB80 .. U+DBFF)</li>
+  <li>Low Surrogates (U+DC00 .. U+DFFF)</li>
+  <li>The Private Use Area (U+E000 .. U+F8FF)</li>
+  <li>CJK Ideographs Extension B (U+20000 .. U+2A6D6)</li>
+  <li>Plane 15 Private Use Area (U+F0000 .. U+FFFFD)</li>
+  <li>Plane 16 Private Use Area (U+100000 .. U+10FFFD)</li>
 </ul>
 <p>The following table describes the format and meaning of each field in a data 
-entry in the UnicodeData file. Fields which contain normative information are so 
-indicated.</p>
+entry in the UnicodeData file.</p>
 <table border="1" cellspacing="2" cellpadding="2">
   <tr>
     <th valign="top" align="LEFT">
       <p align="LEFT">Field</th>
     <th valign="top" align="LEFT">
       <p align="LEFT">Name</th>
-    <th valign="top" align="LEFT">
-      <p align="LEFT">Status</th>
+    <th valign="top" align="center">
+      <p align="LEFT">N/I</th>
     <th valign="top" align="LEFT">
       <p align="LEFT">Explanation</th>
   </tr>
   <tr>
     <th valign="top">0</th>
     <td valign="top">Code value</td>
-    <td valign="top">normative</td>
-    <td valign="top">Code value. For characters in the range U+0000..U+FFFD
-      the code value uses a 4-digit hexadecimal format; for characters in the
-      range U+10000..U+FFFFD the code value uses a 5-digit hexadecimal format;
-      and for characters in the range U+100000..U+10FFFD the code value uses a
-      6-digit hexadecimal format.</td>
+    <td valign="top" align="center">N</td>
+    <td valign="top">Code value.</td>
   </tr>
   <tr>
     <th valign="top">1</th>
     <td valign="top">Character name</td>
-    <td valign="top">normative</td>
+    <td valign="top" align="center">N</td>
     <td valign="top">These names match exactly the names published in Chapter 14 
       of the Unicode Standard, Version 3.0.</td>
   </tr>
   <tr>
     <th valign="top">2</th>
     <td valign="top"><a href="#General Category">General Category</a></td>
-    <td valign="top">normative / informative<br>
-      (see below)</td>
+    <td valign="top" align="center">N</td>
     <td valign="top">This is a useful breakdown into various &quot;character 
       types&quot; which can be used as a default categorization in 
       implementations. See below for a brief explanation.</td>
@@ -144,7 +169,7 @@ indicated.</p>
     <th valign="top">3</th>
     <td valign="top"><a href="#Canonical Combining Classes">Canonical Combining 
       Classes</a></td>
-    <td valign="top">normative</td>
+    <td valign="top" align="center">N</td>
     <td valign="top">The classes used for the Canonical Ordering Algorithm in 
       the Unicode Standard. These classes are also printed in Chapter 4 of the 
       Unicode Standard.</td>
@@ -152,7 +177,7 @@ indicated.</p>
   <tr>
     <th valign="top">4</th>
     <td valign="top"><a href="#Bidirectional Category">Bidirectional Category</a></td>
-    <td valign="top">normative</td>
+    <td valign="top" align="center">N</td>
     <td valign="top">See the list below for an explanation of the abbreviations 
       used in this field. These are the categories required by the Bidirectional 
       Behavior Algorithm in the Unicode Standard. These categories are 
@@ -162,7 +187,7 @@ indicated.</p>
     <th valign="top">5</th>
     <td valign="top"><a href="#Character Decomposition">Character Decomposition 
       Mapping</a></td>
-    <td valign="top">normative</td>
+    <td valign="top" align="center">N</td>
     <td valign="top">In the Unicode Standard, not all of the mappings are full 
       (maximal) decompositions. Recursive application of look-up for 
       decompositions will, in all cases, lead to a maximal decomposition. The 
@@ -172,7 +197,7 @@ indicated.</p>
   <tr>
     <th valign="top">6</th>
     <td valign="top">Decimal digit value</td>
-    <td valign="top">normative</td>
+    <td valign="top" align="center">N</td>
     <td valign="top">This is a numeric field. If the character has the decimal 
       digit property, as specified in Chapter 4 of the Unicode Standard, the 
       value of that digit is represented with an integer value in this field</td>
@@ -180,7 +205,7 @@ indicated.</p>
   <tr>
     <th valign="top">7</th>
     <td valign="top">Digit value</td>
-    <td valign="top">normative</td>
+    <td valign="top" align="center">N</td>
     <td valign="top">This is a numeric field. If the character represents a 
       digit, not necessarily a decimal digit, the value is here. This covers 
       digits which do not form decimal radix forms, such as the compatibility 
@@ -189,7 +214,7 @@ indicated.</p>
   <tr>
     <th valign="top">8</th>
     <td valign="top">Numeric value</td>
-    <td valign="top">normative</td>
+    <td valign="top" align="center">N</td>
     <td valign="top">This is a numeric field. If the character has the numeric 
       property, as specified in Chapter 4 of the Unicode Standard, the value of 
       that character is represented with an integer or rational number in this 
@@ -200,7 +225,7 @@ indicated.</p>
   <tr>
     <th valign="top">9</th>
     <td valign="top">Mirrored</td>
-    <td valign="top">normative</td>
+    <td valign="top" align="center">N</td>
     <td valign="top">If the character has been identified as a 
       &quot;mirrored&quot; character in bidirectional text, this field has the 
       value &quot;Y&quot;; otherwise &quot;N&quot;. The list of mirrored 
@@ -209,51 +234,58 @@ indicated.</p>
   <tr>
     <th valign="top">10</th>
     <td valign="top">Unicode 1.0 Name</td>
-    <td valign="top">informative</td>
+    <td valign="top" align="center">I</td>
     <td valign="top">This is the old name as published in Unicode 1.0. This name 
-      is only provided when it is significantly different from the Unicode 3.0 
-      name for the character.</td>
+      is only provided when it is significantly different from the current name 
+      for the character.</td>
   </tr>
   <tr>
     <th valign="top">11</th>
     <td valign="top">10646 comment field</td>
-    <td valign="top">informative</td>
-    <td valign="top">This is the ISO 10646 comment field. It appears in parentheses 
-      in the 10646 names list, or contains an asterisk to mark an Annex P note.</td>
+    <td valign="top" align="center">I</td>
+    <td valign="top">This is the ISO 10646 comment field. It appears in 
+      parentheses in the 10646 names list, or contains an asterisk to mark an 
+      Annex P note.</td>
   </tr>
   <tr>
     <th valign="top">12</th>
     <td valign="top"><a href="#Case Mappings">Uppercase Mapping</a></td>
-    <td valign="top">informative</td>
+    <td valign="top" align="center">N</td>
     <td valign="top">Upper case equivalent mapping. If a character is part of an 
-      alphabet with case distinctions, and has an upper case equivalent, then 
-      the upper case equivalent is in this field. See the explanation below on 
-      case distinctions. These mappings are always one-to-one, not one-to-many 
-      or many-to-one. This field is informative.</td>
+      alphabet with case distinctions, and has a simple upper case equivalent, 
+      then the upper case equivalent is in this field. See the explanation below 
+      on case distinctions. These mappings are always one-to-one, not 
+      one-to-many or many-to-one.
+      <p><i>For full case mappings, see <a
+      href="http://www.unicode.org/unicode/reports/tr21/">UTR #21</a> and 
+      SpecialCasing.txt.</i></p>
+    </td>
   </tr>
   <tr>
     <th valign="top">13</th>
     <td valign="top"><a href="#Case Mappings">Lowercase Mapping</a></td>
-    <td valign="top">informative</td>
+    <td valign="top" align="center">N</td>
     <td valign="top">Similar to Uppercase mapping</td>
   </tr>
   <tr>
     <th valign="top">14</th>
     <td valign="top"><a href="#Case Mappings">Titlecase Mapping</a></td>
-    <td valign="top">informative</td>
+    <td valign="top" align="center">N</td>
     <td valign="top">Similar to Uppercase mapping</td>
   </tr>
 </table>
 <h3><a name="General Category"></a>General Category</h3>
-<p>The values in this field are abbreviations for the following. Some of the 
-values are normative, and some are informative. For more information, see the 
-Unicode Standard.</p>
-<p><b>Note:</b> the standard does not assign information to control characters 
-(except for certain cases in the Bidirectional Algorithm). Implementations will 
-generally also assign categories to certain control characters, notably CR and 
-LF, according to platform conventions.</p>
-<h4>Normative Categories</h4>
-<table border="0" cellspacing="2" cellpadding="0">
+<p>The values in this field are abbreviations for the following values. For more 
+information, see the Unicode Standard.</p>
+<blockquote>
+  <p><b>Note:</b> the standard does not assign information to control characters 
+  (except for certain cases in the Bidirectional Algorithm). Implementations 
+  will generally also assign categories to certain control characters, notably 
+  CR and LF, according to platform conventions. See <a
+  href="http://www.unicode.org/unicode/reports/tr13/">UAX #13: Unicode Newline 
+  Guidelines</a> for more information.</p>
+</blockquote>
+<table border="0" cellspacing="0" cellpadding="4">
   <tr>
     <th>
       <p align="LEFT">Abbr.</th>
@@ -273,6 +305,14 @@ LF, according to platform conventions.</p>
     <td>Letter, Titlecase</td>
   </tr>
   <tr>
+    <td align="CENTER">Lm</td>
+    <td>Letter, Modifier</td>
+  </tr>
+  <tr>
+    <td align="CENTER">Lo</td>
+    <td>Letter, Other</td>
+  </tr>
+  <tr>
     <td align="CENTER">Mn</td>
     <td>Mark, Non-Spacing</td>
   </tr>
@@ -297,55 +337,6 @@ LF, according to platform conventions.</p>
     <td>Number, Other</td>
   </tr>
   <tr>
-    <td align="CENTER">Zs</td>
-    <td>Separator, Space</td>
-  </tr>
-  <tr>
-    <td align="CENTER">Zl</td>
-    <td>Separator, Line</td>
-  </tr>
-  <tr>
-    <td align="CENTER">Zp</td>
-    <td>Separator, Paragraph</td>
-  </tr>
-  <tr>
-    <td align="CENTER">Cc</td>
-    <td>Other, Control</td>
-  </tr>
-  <tr>
-    <td align="CENTER">Cf</td>
-    <td>Other, Format</td>
-  </tr>
-  <tr>
-    <td align="CENTER">Cs</td>
-    <td>Other, Surrogate</td>
-  </tr>
-  <tr>
-    <td align="CENTER">Co</td>
-    <td>Other, Private Use</td>
-  </tr>
-  <tr>
-    <td align="CENTER">Cn</td>
-    <td>Other, Not Assigned (no characters in the file have this property)</td>
-  </tr>
-</table>
-<h4>Informative Categories</h4>
-<table border="0" cellspacing="2" cellpadding="0">
-  <tr>
-    <th>
-      <p align="LEFT">Abbr.</th>
-    <th>
-      <p align="LEFT">Description</th>
-  </tr>
-  <tr>
-    <td align="CENTER">Lm</td>
-    <td>Letter, Modifier</td>
-  </tr>
-  <tr>
-    <td align="CENTER">Lo</td>
-    <td>Letter, Other</td>
-  </tr>
-  <tr>
     <td align="CENTER">Pc</td>
     <td>Punctuation, Connector</td>
   </tr>
@@ -389,14 +380,50 @@ LF, according to platform conventions.</p>
     <td align="CENTER">So</td>
     <td>Symbol, Other</td>
   </tr>
+  <tr>
+    <td align="CENTER">Zs</td>
+    <td>Separator, Space</td>
+  </tr>
+  <tr>
+    <td align="CENTER">Zl</td>
+    <td>Separator, Line</td>
+  </tr>
+  <tr>
+    <td align="CENTER">Zp</td>
+    <td>Separator, Paragraph</td>
+  </tr>
+  <tr>
+    <td align="CENTER">Cc</td>
+    <td>Other, Control</td>
+  </tr>
+  <tr>
+    <td align="CENTER">Cf</td>
+    <td>Other, Format</td>
+  </tr>
+  <tr>
+    <td align="CENTER">Cs</td>
+    <td>Other, Surrogate</td>
+  </tr>
+  <tr>
+    <td align="CENTER">Co</td>
+    <td>Other, Private Use</td>
+  </tr>
+  <tr>
+    <td align="CENTER">Cn</td>
+    <td>Other, Not Assigned (no characters in the file have this property)</td>
+  </tr>
 </table>
+<blockquote>
+  <p><b>Note:</b> The term &quot;L&amp;&quot; is sometimes used to stand for 
+  Uppercase, Lowercase or Titlecase letters (Lu, Ll, or Lt).</p>
+</blockquote>
 <h3><a name="Bidirectional Category"></a>Bidirectional Category</h3>
 <p>Please refer to Chapter 3 for an explanation of the algorithm for 
 Bidirectional Behavior and an explanation of the significance of these 
 categories. An up-to-date version can be found on <a
 href="http://www.unicode.org/unicode/reports/tr9/">Unicode Standard Annex #9: 
-The Bidirectional Algorithm</a>. These values are normative.</p>
-<table border="0" cellpadding="2">
+The Bidirectional Algorithm</a>.</p>
+<table border="0" cellpadding="4" cellspacing="0">
   <tr>
     <th valign="TOP" align="LEFT">
       <p align="LEFT">Type</th>
@@ -481,12 +508,11 @@ The Bidirectional Algorithm</a>. These values are normative.</p>
   </tr>
 </table>
 <h3><a name="Character Decomposition"></a>Character Decomposition Mapping</h3>
-<p>The decomposition is a normative property of a character. The tags supplied 
-with certain decomposition mappings generally indicate formatting information. 
-Where no such tag is given, the mapping is designated as canonical. Conversely, 
-the presence of a formatting tag also indicates that the mapping is a 
-compatibility mapping and not a canonical mapping. In the absence of other 
-formatting information in a compatibility mapping, the tag is used to 
+<p>The tags supplied with certain decomposition mappings generally indicate 
+formatting information. Where no such tag is given, the mapping is designated as 
+canonical. Conversely, the presence of a formatting tag also indicates that the 
+mapping is a compatibility mapping and not a canonical mapping. In the absence 
+of other formatting information in a compatibility mapping, the tag is used to 
 distinguish it from canonical mappings.</p>
 <p>In some instances a canonical mapping or a compatibility mapping may consist 
 of a single character. For a canonical mapping, this indicates that the 
@@ -494,7 +520,7 @@ character is a canonical equivalent of another single character. For a
 compatibility mapping, this indicates that the character is a compatibility 
 equivalent of another single character. The compatibility formatting tags used 
 are:</p>
-<table border="0" cellspacing="2" cellpadding="0">
+<table border="0" cellspacing="0" cellpadding="4">
   <tr>
     <th>Tag</th>
     <th>
@@ -577,7 +603,7 @@ in Chapter 3 to use those mappings <i>recursively.</i>
     reordering algorithm.</li>
 </ul>
 <h3><a name="Canonical Combining Classes"></a>Canonical Combining Classes</h3>
-<table border="0" cellspacing="2" cellpadding="0">
+<table border="0" cellspacing="0" cellpadding="4">
   <tr>
     <th>
       <p align="LEFT">Value</th>
@@ -695,52 +721,31 @@ currently have members but are specified here for completeness.</p>
 Normalization</h3>
 <p>Decomposition is specified in Chapter 3. <a
 href="http://www.unicode.org/unicode/reports/tr15/"><i>Unicode Standard Annex 
-#15: Unicode Normalization Forms</i></a> specifies the interaction between decomposition 
-and normalization. The most up-to-date version is found on <a
-href="http://www.unicode.org/unicode/reports/tr15/">http://www.unicode.org/unicode/reports/tr15/</a>. 
-That report specifies how the decompositions defined in UnicodeData.txt are used 
-to derive normalized forms of Unicode text.</p>
+#15: Unicode Normalization Forms</i></a> specifies the interaction between 
+decomposition and normalization. That report specifies how the decompositions 
+defined in UnicodeData.txt are used to derive normalized forms of Unicode text.</p>
 <p>Note that as of the 2.1.9 update of the Unicode Character Database, the 
 decompositions in the UnicodeData.txt file can be used to recursively derive the 
 full decomposition in canonical order, without the need to separately apply 
 canonical reordering. However, canonical reordering of combining character 
-sequences must still be applied in decomposition when normalizing source text 
-which contains any combining marks.</p>
+sequences <b><i>must</i></b> still be applied in decomposition when normalizing 
+source text which contains any combining marks.</p>
 <h3><a name="Case Mappings"></a>Case Mappings</h3>
-<p>The case mapping is an informative, default mapping. Case itself, on the 
-other hand, has normative status. Thus, for example, 0041 LATIN CAPITAL LETTER A 
-is normatively uppercase, but its lowercase mapping the 0061 LATIN SMALL LETTER 
-A is informative. The reason for this is that case can be considered to be an 
-inherent property of a particular character (and is usually, but not always, 
-derivable from the presence of the terms &quot;CAPITAL&quot; or 
-&quot;SMALL&quot; in the character name), but case mappings between characters 
-are occasionally influenced by local conventions. For example, certain 
-languages, such as Turkish, German, French, or Greek may have small deviations 
-from the default mappings listed in UnicodeData.</p>
-<p>In addition to uppercase and lowercase, because of the inclusion of certain 
-composite characters for compatibility, such as 01F1 LATIN CAPITAL LETTER DZ, 
-there is a third case, called <i>titlecase</i>, which is used where the first 
-letter of a word is to be capitalized (e.g. UPPERCASE, Titlecase, lowercase). An 
-example of such a titlecase letter is 01F2 LATIN CAPITAL LETTER D WITH SMALL 
-LETTER Z.</p>
-<p>The uppercase, titlecase and lowercase fields are only included for 
-characters that have a single corresponding character of that type. Composite 
-characters (such as &quot;339D SQUARE CM&quot;) that do not have a single 
-corresponding character of that type can be cased by decomposition.</p>
-<p>For compatibility with existing parsers, UnicodeData only contains case 
+<p>There are a number of complications to case mappings that occur once the 
+repertoire of characters is expanded beyond ASCII. For more information, see <a
+href="http://www.unicode.org/unicode/reports/tr21/">UTR #21: Case Mappings</a>.</p>
+<p>For compatibility with existing parsers, UnicodeData.txt only contains case 
 mappings for characters where they are one-to-one mappings; it also omits 
 information about context-sensitive case mappings. Information about these 
-special cases can be found in a separate data file, <a
-href="http://www.unicode.org/Public/3.0-Update1/">SpecialCasing.txt</a>, which 
-has been added starting with the 2.1.8 update to the Unicode data files. 
-SpecialCasing.txt contains additional informative case mappings that are either 
-not one-to-one or which are context-sensitive.</p>
+special cases can be found in a separate data file, SpecialCasing.txt.</p>
 <h2><a name="Property Invariants"></a>Property Invariants</h2>
 <p>Values in UnicodeData.txt are subject to correction as errors are found; 
 however, some characteristics of the categories themselves can be considered 
 invariants. Applications may wish to take these invariants into account when 
-choosing how to implement character properties. The following is a partial list 
-of known invariants for the Unicode Character Database.</p>
+choosing how to implement character properties. For more information, see <a
+href="http://www.unicode.org/unicode/standard/policies.html">Unicode Policies</a>.</p>
+<p>The following is a partial list of known invariants for the Unicode Character 
+Database.</p>
 <h4>Database Fields</h4>
 <ul>
   <li>The number of fields in UnicodeData.txt is fixed.</li>
@@ -792,17 +797,6 @@ of known invariants for the Unicode Character Database.</p>
     </ul>
   </li>
 </ul>
-<h4>Case</h4>
-<ul>
-  <li>Characters of type Lu, Lt, or Ll are called <i>cased</i>. All characters 
-    with an Upper, Lower, or Titlecase mapping are cased characters.
-    <ul>
-      <li>However, characters with the General Categories of Lu, Ll, or Lt may 
-        not always have case mappings, and case mappings may vary by locale. 
-        (See http://www.unicode.org/Public/UNIDATA/SpecialCasing.txt).</li>
-    </ul>
-  </li>
-</ul>
 <h4>Canonical Decomposition</h4>
 <ul>
   <li>Canonical mappings are always in canonical order.</li>
@@ -832,6 +826,16 @@ of known invariants for the Unicode Character Database.</p>
 <p>This section provides a summary of the changes between update versions of the 
 Unicode Standard.</p>
 <h3><a
+href="http://www.unicode.org/unicode/standard/versions/enumeratedversions.html#Unicode 3.1">Unicode 
+3.1</a></h3>
+<p>Modifications made for Version 3.0.1 of UnicodeData.txt include:
+<ul>
+  <li>Addition of 2237 new entries, to cover new characters and new ranges of 
+    unified Han characters encoded in Unicode 3.1.</li>
+  <li>Changed General Category value of 16EE..16F0 (Runic golden numbers) from 
+    No to Nl.</li>
+</ul>
+<h3><a
 href="http://www.unicode.org/unicode/standard/versions/enumeratedversions.html#Unicode 3.0.1">Unicode 
 3.0.1</a></h3>
 <p>Modifications made for Version 3.0.1 of UnicodeData.txt include:
@@ -1019,6 +1023,45 @@ Version 2.0 include:
   <li>Added categories Me, Sk, Pc, Nl, Cs, Cf, and rectified a number of 
     mistakes in the database.</li>
 </ul>
+<h2><i><a name="UCD_Terms">UCD Terms of Use</a></i></h2>
+<h3><i>Disclaimer</i></h3>
+<blockquote>
+  <p><i>The Unicode Character Database is provided as is by Unicode, Inc. No 
+  claims are made as to fitness for any particular purpose. No warranties of any 
+  kind are expressed or implied. The recipient agrees to determine applicability 
+  of information provided. If this file has been purchased on magnetic or 
+  optical media from Unicode, Inc., the sole remedy for any claim will be 
+  exchange of defective media within 90 days of receipt.</i></p>
+  <p><i>This disclaimer is applicable for all other data files accompanying the 
+  Unicode Character Database, some of which have been compiled by the Unicode 
+  Consortium, and some of which have been supplied by other sources.</i></p>
+</blockquote>
+<h3><i>Limitations on Rights to Redistribute This Data</i></h3>
+<blockquote>
+  <p><i>Recipient is granted the right to make copies in any form for internal 
+  distribution and to freely use the information supplied in the creation of 
+  products supporting the Unicode<sup>TM</sup> Standard. The files in the 
+  Unicode Character Database can be redistributed to third parties or other 
+  organizations (whether for profit or not) as long as this notice and the 
+  disclaimer notice are retained. Information can be extracted from these files 
+  and used in documentation or programs, as long as there is an accompanying 
+  notice indicating the source.</i></p>
+</blockquote>
+<hr width="50%">
+<div align="center">
+  <center>
+  <table cellspacing="0" cellpadding="0" border="0">
+    <tr>
+      <td><a href="http://www.unicode.org/unicode/copyright.html"><img
+        src="http://www.unicode.org/img/hb_home.gif" border="0" alt="Home"
+        width="40" height="49"><img src="http://www.unicode.org/img/hb_mid.gif"
+        border="0" alt="Terms of Use" width="152" height="49"><img
+        src="http://www.unicode.org/img/hb_mail.gif" border="0" alt="E-mail"
+        width="46" height="49"></a></td>
+    </tr>
+  </table>
+  </center>
+</div>
 
 </body>
 
index 3fcfbcc..71c1857 100644 (file)
@@ -1,18 +1,18 @@
-ArabicShaping.txt               ArabShap.txt
-BidiMirroring.txt               BidiMirr.txt
-Blocks.txt                      Blocks.txt
-CaseFolding.txt                 CaseFold.txt
-CompositionExclusions.txt       CompExcl.txt
-EastAsianWidth.txt              EAWidth.txt
-Index.txt                       Index.txt
-Jamo.txt                        Jamo.txt
-LineBreak.txt                   LineBrk.txt
-NamesList.html                  NamesList.html
-NamesList.txt                   Names.txt
-PropList.txt                    PropList.txt
-ReadMe.txt                      ReadMe.txt
-SpecialCasing.txt               SpecCase.txt
-UnicodeCharacterDatabase.html   UCD.html
-UnicodeData.html                Unicode.html
-UnicodeData.txt                 Unicode.txt
-
+ArabicShaping.txt              ArabShap.txt
+BidiMirroring.txt              BidiMirr.txt
+#Blocks.txt                    Blocks.txt
+CaseFolding.txt                        CaseFold.txt
+CompositionExclusions.txt      CompExcl.txt
+EastAsianWidth.txt             EAWidth.txt
+#Index.txt                     Index.txt
+#Jamo.txt                      Jamo.txt
+LineBreak.txt                  LineBrk.txt
+#NamesList.html                        NamesList.html
+#NamesList.txt                 NamesList.txt
+#PropList.txt                  PropList.txt
+#PropList.html                 PropList.html
+#ReadMe.txt                    ReadMe.txt
+SpecialCasing.txt              SpecCase.txt
+UnicodeCharacterDatabase.html  UCD.html
+UnicodeData.html               Unicode.html
+UnicodeData.txt                        Unicode.txt
index 4e60e6c..8c50098 100644 (file)
@@ -1,2 +1 @@
-3.1 beta 2001-03-23
-
+3.1