A.8 Anhang B: Zeichenklassen

Den im Unicode-Standard definierten Charakteristika zufolge sind Zeichen klassifiziert als Grundzeichen (base characters; unter anderem gehören dazu die alphabetischen Zeichen des lateinischen Alphabets ohne diakritische Zeichen), ideografische Zeichen sowie kombinierte Zeichen (unter anderem gehören dazu diakritische Zeichen). Zusammen bilden diese Klassen die Klasse der Buchstaben (letters). Außerdem werden Ziffern (digits) und Erweiterungen (extenders) unterschieden.

Die hier definierten Klassen könnten aus der Unicode-Zeichendatenbank in folgender Weise abgeleitet werden:

• Anfangszeichen von Namen müssen in einer der Kategorien Ll, Lu, Lo, Lt, Nl sein.
• Andere Namen-Zeichen als die Anfangszeichen müssen in einer der Kategorien Mc, Me, Mn, Lm, Nd sein.
• Zeichen im Kompatibilitätsbereich (compatibility area; das sind Zeichen mit einem Code größer als #xF900 und kleiner als #xFFFE) sind in XML-Namen nicht erlaubt.
• Zeichen, die eine Zeichensatz- oder Kompatibilitätszerlegung (font or compatibility decomposition) haben (d.h. solche mit einem compatibility formatting tag im Feld 5 der Datenbank — durch ein mit einem < beginnendes Feld 5 gekennzeichnet) sind nicht erlaubt.
• Die folgenden Zeichen werden als Anfangszeichen von Namen, im Gegensatz zu Namen-Zeichen, behandelt, da die Property-Datei sie als alphabetisch klassifiziert: [#x02BB-#x02C1], #x0559, #x06E5, #x06E6.
• Die Zeichen #x20DD-#x20E0 sind ausgeschlossen (in Übereinstimmung mit Unicode, Abschnitt 5.14)
• Zeichen #x00B7 ist als Erweiterung klassifiziert, da die Property-Liste es so einstuft.
• Zeichen #x0387 wurde als Namen-Zeichen hinzugefügt, da #x00B7 sein kanonisches Äquivalent ist.
• Zeichen : und _ sind als Anfangszeichen für Namen erlaubt.
• Zeichen - und . sind als Namen-Zeichen erlaubt.