Синтаксис Unicode

Elixir поддерживает Unicode на протяжении всего языка.

Процитированные идентификаторы, такие как строки ("olá") и списки символов ('olá'), поддерживают Unicode с Elixir v1.0. Строки закодированы в UTF-8. Списки символов представляют собой списки кодовых точек Unicode. В таких случаях содержимое сохраняется так, как его ввели разработчики, без каких-либо преобразований.

Elixir также поддерживает Unicode в идентификаторах с Elixir v1.5, как определено в Приложении Unicode #31. Цель данного документа — описать, как Elixir реализует требования, изложенные в Приложении Unicode. Эти требования обозначаются как R1, R6 и так далее.

Для проверки версии Unicode вашей текущей установки Elixir выполните String.Unicode.version().

R1. Значения идентификаторов по умолчанию

Общее правило идентификатора Elixir указано как:

<Identifier> := <Start> <Continue>* <Ending>?

где <Start> использует те же категории, что и спецификация, но ограничивает их формой NFC (см. R6):

символы, полученные из общей категории Unicode букв верхнего регистра, букв нижнего регистра, букв прописного регистра, модификаторов букв, других букв, буквенных чисел, плюс Other_ID_Start, минус Pattern_Syntax и Pattern_White_Space кодовые точки

В нотации множества: [\p{L}\p{Nl}\p{Other_ID_Start}-\p{Pattern_Syntax}-\p{Pattern_White_Space}]

и <Continue> использует те же категории, что и спецификация, но ограничивает их формой NFC (см. R6):

символы ID_Start, плюс символы, имеющие общую категорию Unicode неразрывных знаков, знаков сочетания пробелов, десятичных чисел, соединительных знаков препинания, плюс Other_ID_Continue, минус Pattern_Syntax и Pattern_White_Space кодовых точек.

В нотации множества: [\p{ID_Start}\p{Mn}\p{Mc}\p{Nd}\p{Pc}\p{Other_ID_Continue}-\p{Pattern_Syntax}-\p{Pattern_White_Space}]

<Ending> — это дополнение, специфичное для Elixir, которое включает только кодовые точки ? (003F) и ! (0021).

Спецификация также предоставляет набор <Medial>, но Elixir не включает в него ни одного символа. Поэтому правило идентификатора было упрощено для рассмотрения этого.

Elixir не допускает использования ZWJ или ZWNJ в идентификаторах и поэтому не реализует R1a. R1b гарантируется для обеспечения обратной совместимости.

Атомы

Атомы Unicode в Elixir следуют правилу идентификатора выше с следующими изменениями:

• <Start> включает кодовую точку _ (005F)
• <Continue> включает кодовую точку @ (0040)

Обратите внимание, что все операторы Elixir также являются допустимыми атомами. Следовательно, :+, :@, :|>, и другие являются допустимыми атомами. Полное описание допустимых атомов доступно в Справочнике по синтаксису; этот документ охватывает только правила атомов, основанных на идентификаторах.

Переменные

Переменные в Elixir следуют правилу идентификатора выше с следующими изменениями:

• <Start> включает кодовую точку _ (005F)
• <Start> не должно включать символы Lu (буква прописная) и Lt (буква заглавная)

R3. Pattern_White_Space и символы синтаксиса паттернов

Elixir поддерживает только кодовые точки \t (0009), \n (000A), \r (000D) и \s (0020) в качестве пробелов и поэтому не следует требованию R3. R3 требует поддержки более широкого набора пробелов и символов синтаксиса.

R6. Отфильтрованные нормализованные идентификаторы

Идентификаторы в Elixir чувствительны к регистру.

Elixir требует, чтобы все атомы и переменные были в форме NFC. Любая другая форма приведет к ошибке с соответствующим сообщением. Однако процитированные атомы и строки могут быть в любой форме и не проверяются анализатором.

Другими словами, атом :josé может быть записан только с помощью кодовых точек 006A 006F 0073 00E9. Использование другой формы нормализации приведет к ошибке токенизатора. С другой стороны, :"josé" может быть записан как 006A 006F 0073 00E9 или 006A 006F 0073 0065 0301, поскольку он записан в кавычках.

Выбор требования R6 автоматически исключает требования R4, R5 и R7.