Unicode控制字符

Unicode控制字符（英语：Unicode control characters）是用于控制文本解释或者显示，而不可见或不占空间的Unicode字符。

ISO 6429控制字符（C0与C1）

控制字符U+0000‐U+001F 与U+007F来自ASCII。此外，ISO 8859字符集定义了U+0080‐U+009F。二者都定义在ISO 6429中，常被称为C0与C1控制字符。

大部分这些字符在Unicode文本处理中没有明确作用。字符U+0000 <control-0000> ，NUL、U+0009 <control-0009> ，HT、U+000A <control-000A> ，LF、U+000D <control-000D> ，CR、U+0085 <control-0085> ，NEL常用于格式化字符。

Unicode引入的分隔符

为了简化几种换行字符，Unicode引入了它自己的分隔符来格式化文本：

U+2028 LINE SEPARATOR ，HTML： ，LSEP
U+2029 PARAGRAPH SEPARATOR ，HTML： ，PSEP

语言标记

Unicode以前定义了标签，包含了128个字符表示语言标签，但现在已经过时了。这些字符实际上镜像了128个ASCII字符。用于表示随后的文本属于IETF语言标签（BCP 47）所指的特定语言。例如，表示随后文本使用美国英语（en-us），用字符串开始为Language Tag character（U+E0001）后跟序列：Tag Small Letter e（U+E0065）、Tag Small Letter n（U+E006E）、Tag Hyphen-minus（U+E002D）、Tag Small Letter u（U+E0075）、Tag Small Letter s（U+E0073）。

这种语言标签自身不会被显示。但可提供用于文本处理的信息。例如，中日韩统一汉字的文本，指明是韩语而非日文，可以把一些字符用韩语特有的字形来表示。另一个例子，把数字0‐9用语言特定的字形表示。

语言标记字符U+E0001、U+E0020‐U+E007E、U+E007F 已经被Unicode 5.1（2008）宣布过时，不再作为语言标记使用。^[1]

Unicode 8.0（2015）宣布U+E0020‐U+E007E不再是过时，用于未来表示除了语言标签以外的的其他用途。^[2]（U+E0001 LANGUAGE TAG与U+E007F CANCEL TAG仍然过时）。

行间标注

3个格式化字符用于支持旁注标记（U+FFF9、U+FFFA、U+FFFB）。

双向文本控制

Unicode支持从左到右、从右到左，或者其混合排版，而不需要任何特殊字符。但为了处理一些特殊情形，Unicode定义了12个字符（U+061C、U+200E、U+200F、U+202A、U+202B、U+202C、U+202D、U+202E、U+2066、U+2067、U+2068、U+2069）以帮助控制嵌入式双向文本最大125层深。^[3]

异体字选择器

中日韩汉字、拉丁字母的双拼连写等等，在Unicode中被视作异体字。有些专名（如地名、姓名）必须使用某个异体字。为此，Unicode 3.2与4.0定义了256个异体字选择器，可选择前一个字符的最多256个可能的异体字。

控制字符的图片

Unicode在Control Pictures块中提供图形表示C0控制字符以及其他控制符。

控制图形^[1]^[2] 官方Unicode Consortium码位图表 (PDF)
	0	1	2	3	4	5	6	7	8	9	A	B	C	D	E	F
U+240x	␀	␁	␂	␃	␄	␅	␆	␇	␈	␉	␊	␋	␌	␍	␎	␏
U+241x	␐	␑	␒	␓	␔	␕	␖	␗	␘	␙	␚	␛	␜	␝	␞	␟
U+242x	␠	␡	␢	␣	␤	␥	␦
U+243x
Notes 1.^ Unicode版本11.0 2.^ 灰区指示未使用的码位

参见

Specials (Unicode block)（英语：Specials (Unicode block)）
ISO 2047（英语：ISO 2047）

参考文献

^ RFC6082: Deprecating Unicode Language Tag Characters: RFC 2482 is Historic. Internet Engineering Task Force (IETF). November 2010 [2019-01-08]. （原始内容存档于2021-03-08）.
^ Unicode 8.0.0, Implications for Migration. Unicode Consortium. [2019-01-08]. （原始内容存档于2022-05-13）.
^ UAX #9: Unicode Bidirectional Algorithm. Unicode Consortium. 2018-05-09 [2019-01-08]. （原始内容存档于2009-01-25）.

[1] RFC6082: Deprecating Unicode Language Tag Characters: RFC 2482 is Historic. Internet Engineering Task Force (IETF). November 2010 [2019-01-08]. （原始内容存档于2021-03-08）.

[migration-2] Unicode 8.0.0, Implications for Migration. Unicode Consortium. [2019-01-08]. （原始内容存档于2022-05-13）.

[3] UAX #9: Unicode Bidirectional Algorithm. Unicode Consortium. 2018-05-09 [2019-01-08]. （原始内容存档于2009-01-25）.

[1]

[2]

[3]

[1]

[2]