複数codepointで一文字を表す可能性のあるcodepointの範囲は？

Question

前提:一文字の定義は
http://unicode.org/faq/char_combmark.html#7
によると4つあるようですが、ここでは上記URLの4つ目、Grapheme clustersを指します。

combining characterのように一文字が複数のcodepointで表されることがありますが、そういった可能性があるcodepointのリストみたいなものはありますか？もしくはその範囲を教えてください。

例えば

Combining character - Wikipedia

• Combining Diacritical Marks (0300–036F), since version 1.0, with modifications in subsequent versions down to 4.1
• Combining Diacritical Marks Extended (1AB0–1AFF), version 7.0
• Combining Diacritical Marks Supplement (1DC0–1DFF), versions 4.1 to 5.2
• Combining Diacritical Marks for Symbols (20D0–20FF), since version 1.0, with modifications in subsequent versions down to 5.1
• Combining Half Marks (FE20–FE2F), versions 1.0, with modifications in subsequent versions down to 8.0

Wikipedia(en)にはこういう記述がありますが、絵文字やら考えるとこれだけではないはずです。

Comments

[Chironian]

回答依頼を頂いたのですが、よく分からないです。合成文字のようなものがあるとは聞いたこと有りますが右から左へ抜けて行ってしまったです。

[yumetodo]

やっぱりChironianさんでは専門外でしたか・・・

Answer 1

grapheme clusterの仕様に関する和訳がありました。

これによれば、合成文字になるのは大きく分けて「CRLF」「ハングル」「国旗絵文字」「Extendedが続く文字」の4つに分かれています。そして、「Extendedが続く文字」は制御コード以外どんな文字でもgrapheme clusterの一部になれます。

Comments

[yumetodo]

お示しのリンクの「Grapheme cluster の境界定義」にそってsplitした結果がgrapheme cluster一文字ということでいいでしょうか・・・？