何时使用Unicode规范化形式NFC和NFD？

Question

Unicode Normalization FAQ包括以下段落：

  

程序应始终将规范等效的Unicode字符串视为相等... Unicode标准提供了可用于此的明确定义的规范化形式：NFC和NFD。

并继续......

  

使用哪种选择取决于特定的程序或系统。 NFC是一般文本的最佳形式，因为它与从传统编码转换的字符串更兼容。 ...... NFD和NFKD对内部处理最有用。

我的问题是：

什么使NFC成为“一般文本”的最佳选择。什么定义“内部处理”，为什么最好留给NFD？最后，只要使用相同的规范化形式比较两个字符串，两个形式可以互换，从不关注什么是“最佳”？

Answer 1

常见问题解答有点误导，从使用“应该”开始，然后是对同一事物的“要求”的不一致使用。 Unicode标准本身（在FAQ中引用）更准确。基本上，您不应期望程序将规范等效的字符串视为不同的字符串，但您也不应期望所有程序都将它们视为相同。

实际上，它实际上取决于您的软件需要做什么。在大多数情况下，您根本不需要进行标准化，标准化可能会破坏数据中的基本信息。

例如，U + 0387 GREEK ANO TELEIA（·）被定义为规范等效于U + 00B7 MIDDLE DOT（·）。这是一个错误，因为角色非常独特，应该以不同的方式呈现，并在处理过程中区别对待。但改变这一点为时已晚，因为Unicode的这一部分已被刻入石头。因此，如果您将数据转换为NFC或以其他方式丢弃规范等效字符串之间的差异，则可能会出现错误字符。

不规范化会带来风险。例如，字母“ä”可以显示为单个Unicode字符U + 00E4 LATIN SMALL LETTER A WITH DIAERESIS或两个Unicode字符U + 0061 LATIN SMALL LETTER A U + 0308 COMBINING DIAERESIS。它主要是前者，即预组合形式，但如果它是后者并且你的代码测试包含“ä”的数据，仅使用预组合形式，那么它将不会检测后者。但在许多情况下，你不会做这些事情，只是简单地存储数据，连接字符串，打印它们等等。然后存在这两种表示导致某些不同渲染的风险。

您的软件是否以某种方式将字符数据传递给其他软件也很重要。由于天真的隐含假设或者有意识地并且以文档化的方式，接收者可能期望其输入被标准化。

Answer 2

1. NFC是您应该使用的一般常识形式，ä在那里是1个代码点，这是有道理的。

2. NFD适用于某些内部处理 - 如果您想进行不区分重音的搜索或排序，在NFD中使用您的字符串会使其更容易，更快捷。另一种用法是制作更强大的slug游戏。这些只是最明显的，我相信还有很多用途。

3.   

   如果两个字符串x和y是规范等价物，那么
     toNFC（x）= toNFC（y）
     toNFD（x）= toNFD（y）

   这是你的意思吗？