为什么 Unicode 字符 'DOUBLE LOW-9 QUOTATION MARK' (U+201E) 不是引号？

Question

尽管我偶然发现了这个问题，因为我编写的 PHP 正则表达式未能以我预期的方式匹配它，但我不确定这是否是正确的地方。毕竟，PHP 中的定义（可能还有其他支持 Unicode 的正则表达式引擎）似乎与官方分类相匹配（参见例如 https://www.fileformat.info/info/unicode/char/201e/index.htm)，我对这个官方分类很不满意。

据此，DOUBLE LOW-9 QUOTATION MARK 被归类为Ps（因此与/\p{Ps}/ 匹配），尽管它的名字，但不是Pi（首引号），用于德语。它甚至没有进入不太具体的“标点符号，初始引用（可能表现得像Ps 或Pe，具体取决于用法）”类别。这种（错误）分类的原因可能是什么？在哪些语言中，它实际上用作Ps（即类似于"(" 或"[" 或"{"）？

但最重要的是：什么是合适的正则表达式，它涵盖所有语言中的各种引号而不枚举太多单独的代码点？

Answer 1

一般类别Pi (Initial_Punctuation) 和Pf (Final_Punctuation) 并非专门用于引号，就像Ps (Open_Punctuation) 和Pe (Close_Punctuation)不是专门用于不是引号的字符。相反，Pi 和 Pf 用于字符对，其中 任何一个 可以根据使用情况打开或关闭，而 Ps 字符总是打开和Pe 字符总是关闭（忽略罕见或特殊情况）。一个字符属于这些一般类别中的哪一个是基于这些考虑，与它是引号、括号还是其他无关。

U+201E DOUBLE LOW-9 QUOTATION MARK 被归类为Ps，因为世界上没有既定的正字法可以用作结束标记。它在实践中总是开放。相比之下，U+201C 左双引号被归类为Pi，因为它既可以是开头也可以是结尾引号，具体取决于您选择的特定引号样式。

Unicode 有一个专门的属性，用于识别适当地命名为Quotation_Mark 的引号。此属性的定义独立于前面讨论的一般类别值。