Question

返回一个新字符串，其二进制表示形式为特定的Unicode规范化形式。

有时指的是“Unicode规范化形式C”。

我只是想知道，这是什么意思？这个功能在现实生活中如何有用？

Answer 1

表单C和表单D之间的一个区别是如何表示带有重音符号的字母：表单C使用带有重音符号的单个字母，而表单D将其分隔为字母和重音。

例如，“à”可以是代码点224（“带有严重的拉丁文小写字母A”），或代码点97（“拉丁文小写字母A”），然后是代码点786（“组合严重重音”）。

副作用是可以轻松创建“删除重音”方法。

    public static string RemoveAccents(string input)
    {
        return new string(
            input
            .Normalize(System.Text.NormalizationForm.FormD)
            .ToCharArray()
            .Where(c => CharUnicodeInfo.GetUnicodeCategory(c) != UnicodeCategory.NonSpacingMark)
            .ToArray());
        // the normalization to FormD splits accented letters in accents+letters
        // the rest removes those accents (and other non-spacing characters)
    }

Answer 2

确保可以比较unicode字符串的相等性（即使它们使用不同的unicode编码）。

来自Unicode标准Annex #15：

基本上，Unicode规范化算法以指定顺序放置所有组合标记，并使用分解和合成规则将每个字符串转换为Unicode规范化表单之一。然后，转换后的字符串的二进制比较将确定等价。

Answer 3

在Unicode中，（组合）字符可以具有唯一的代码点，也可以是由基本字符及其重音组成的代码点序列。

Wikipedia列举例如越南语（U + 1EBF）及其分解序列U + 0065（e）U + 0302（抑扬音）U + 0301（急性重音）。

string.Normalize（）在4个普通形式之间进行转换，字符串可以用Unicode编码。

Answer 4

此链接有一个很好的解释：

http://unicode.org/reports/tr15/#Norm_Forms

据我所知，它可以比较两个unicode字符串的相等性。

.NET的String.Normalize做什么？

4 个答案: