我正在开发一个C项目，需要生成“不区分大小写”的规范化形式的Unicode文本。我选择将规范化形式定义为首先转换为NFD规范化，然后应用Unicode案例折叠算法，最后将结果转换为NFC规范化形式。
我依靠ICU的C API来实现其Unicode表示和实用功能，并且使用ICU的unorm_normalize()和u_strFoldCase()函数实现我的方案相当简单。但是我的一个测试失败了，我不明白为什么。 ICU似乎产生了与我预期不同的NFC形式。
输入序列由以下BMP代码点组成：
U+0020, U+1EA5, U+0328, U+1EC4, U+031C
通过调试器，我确定ICU和我同意案例折叠后的中间结果：
U+0020 U+0061 U+0328 U+0302 U+0301 U+0065 U+031C U+0302 U+0303
特别注意，早期转换为NFD将U + 031C转换为U + 1EC4分解的中间位置，根据相关字符的相对CCC编号进行适当调整。这是我试图测试的一部分。
现在好的部分：根据ICU，折叠字符序列的NFC标准化是
U+0020 U+0105 U+0302 U+0301 U+1ec5 U+031C
虽然我认为它应该是
U+0020 U+0105 U+0302 U+0301 U+0065 U+031C U+0302 U+0303
因为三个尾随组合字符已经按规范顺序排列，并且没有U + 0065和U + 031C的规范组合。
所以，有两个问题：
答案 0 :(得分：6)
ICU是正确的。要了解原因，请查看chapter 3 of the Unicode Standard中定义的规范组合算法：
D117 规范组合算法：从编码字符序列（规范分解或兼容性分解）中的第二个字符开始，然后按顺序进行到最后一个字符，执行以下步骤：
R1从字符C中回溯（左）编码字符序列，找到字符序列中C之前的最后一个Starter L.
R2如果存在这样的L，并且C没有被L阻挡，并且存在规范等效于序列＆lt; L，C＆gt;的一次复合P，则在序列中用P替换L并删除C来自序列。
您还必须了解前面的定义，尤其是：
D115 被阻止：令A和C为编码字符序列中的两个字符＆lt; A，... C＆gt;。当且仅当ccc（A）= 0并且在编码字符序列中A和C之间存在一些字符B，即＆lt; A，... B，...... C＆gt;时，C被A阻止。 ccc（B）= 0或ccc（B）> = ccc（C）。
现在考虑输入序列的以下子字符串：
U+0065 U+031C U+0302 U+0303
我们从字符U+031C开始，然后回到U+0065的最后一个启动器：
U+0065 U+031C U+0302 U+0303
L C
<L, C>相当的主复合，所以我们继续下一个字符：
U+0065 U+031C U+0302 U+0303
L C
现在C仍然没有被L阻止（这可能是您误解的）因为ccc(U+031C) = 220 < 230 = ccc(U+0302)并且存在与U+00EA等效的主要组合U+0065 U+0302。所以我们替换L并删除C：
U+00EA U+031C U+0303
L C
同样，C不会被L阻止，主要合成U+1EC5等同于U+00EA U+0303，因此合成的最终结果是：
U+1EC5 U+031C
这与ICU的输出相匹配。