[0881] 支持 CJK 扩展区字符的正确识别与渲染

[AXeonV]

[0881] 支持 CJK 扩展区字符的正确识别与渲染

1 相关文档

• dddd.md - 任务文档模板

2 任务相关的代码文件

• lolly/lolly/data/unicode.cpp — 重构并补全 is_cjk_unified_ideograph_code 以支持 Extension A–J 等全套 CJK 扩展区，修复十六进制字符串字典序判定逻辑为 from_hex 数值比较
• lolly/tests/lolly/data/unicode_test.cpp — 新增覆盖全部 CJK 扩展、标点、边界以及非 CJK 负面测试的单元测试

3 如何测试

3.1 确定性测试（单元测试）

xmake f --enable_tests=y && xmake test && xmake f --enable_tests=n

3.2 非确定性测试（交互验证）

在文档中粘贴或手动输入 <#20E4C> 字符（𠹌），能正确路由到 CJK 字体，且能正常渲染。

4 What

• 粘贴或输入 CJK 扩展区汉字（如 U+20E4C 即粤语 𠹌 字）时，显示为红色的 <#20E4C> 占位符。
• 期望：能自动识别此类 CJK 扩展区及兼容区字符，并成功 fallback 到系统默认的中文字体正常渲染。

5 Why

• 之前 unicode_get_range 的 CJK 汉字检测范围极窄，仅硬编码匹配了基本区部分码点（0x4e00–0x9fcc），未涵盖 CJK Extension A–J 及兼容汉字区等现代扩展块。导致 unicode_get_range(0x20E4C) 返回空串，从而无法路由到默认中文字体。
• is_cjk_unified_ideographs 等判定函数错误使用了十六进制字符串字面量进行字典序大小比较（"4E00" <= r && r <= "9FBF"），导致 5 位十六进制码点（如 "20E4C" < "4E00"，因 '2' < '4'）和部分 A 区码点（首位为 '3' < '4'）判定全部失效。

6 How

• 抽离公共辅助检测：实现 is_cjk_unified_ideograph_code(int code)，完整、准确支持 CJK 统一汉字基本区、各大扩展区（Extension A–J，含最新 Unicode 17.0）及兼容汉字区。
• 重构十六进制数值判定：使用 from_hex(r) 先将内部十六进制 cork 字符串码点解析为整数，再进行区间比较，彻底修复了 5 位码点与特殊分区的判定逻辑。
• 补全测试防护网：在 unicode_test.cpp 中新增了针对标点、基本区、兼容区、Extension A–J 临界点的高密度单元测试及非 CJK 负面边界测试，并验证全部通过。

[da-liii]

LGTM