规范化 Unicode 字符串以获取其规范表示答案

【问题标题】：Normalize a Unicode string to get its canonical representation规范化 Unicode 字符串以获取其规范表示
【发布时间】：2012-02-07 09:32:13
【问题描述】：

鉴于例如 "à"（一个 Unicode 字符）也可以编码为 "\u0300a"（两个 Unicode 字符，即组合重音 (U+0300) 后跟一个 a），.NET 中是否有功能规范化一个字符串，以便后者转换为前者？

我相信前者被视为规范表示。我的特殊问题是，我见过某些浏览器无法正确显示后者的情况，但这在其他情况下也很有用。

【问题讨论】：

【解决方案1】：

刚找到，呵呵！ String.Normalize

【讨论】：

很好。但以防万一，“à”的分解形式不是 U+0300 后跟字母“a”，而是这些字符的顺序相反。在 Unicode 中，组合变音符号遵循与它们相关的字符。这与我们通常在欧洲键盘上键入字符的方式不同（首先按死键作为变音符号，然后按字母键——这通常会产生一个预先组合的字符，即不涉及组合变音符号）。你的观察是正确的，预先组合的字符通常在输出上效果更好。
感谢您的更正，我很确定情况正好相反！没错，使用“死键”的键盘输入可能让我混淆了顺序。
另外，两者都不是普遍认为的规范；两者都是同样正确的 Unicode 字符串。不过，一些特定的用例可能会认为特定的形式是规范的。既然你提到了浏览器，这表明你关心网络，而W3C字符模型确实坚持NFC，所以你没有错，只是过于具体:)