Question

我的Unicode相关词汇不是很好，很抱歉这个冗长的问题。

像ã这样的字符可以用\u00e3（带有代字号的拉丁字母小写字母）或\u0061（拉丁字母小写字母a）与组合变音符号{{1 （组合波浪号）。现在，在Java中，为了匹配任何Unicode字母，我会寻找\u0303，但JavaScript不明白，所以我必须寻找单个代码点（[\p{L}] ）。我怎样才能从ã开始，找出用Unicode表示的各种方式，这样我就可以用\unnnn格式将它们包含在我的正则表达式中？

Answer 1

我如何从一个ã开始，并弄清楚它可以用Unicode表示的各种方式

您正在寻找Unicode Equivalence。

您提到的两种表单是composed form和decomposed form。要获取cannonically equivalent Unicode表单，您可以使用String.prototype.normalize()。

重要提示：检查link浏览器兼容性。

str.normalize([form])接受以下表格：

NFC - 规范化形式Canonical Composition。
NFD - 规范化形式Canonical Decomposition。
NFKC - 标准化形式兼容性组合。
NFKD - 规范化形式兼容性分解。

在打印或显示时，假定定义为规范等效的代码点序列具有相同的外观和含义。

假定定义为兼容的序列可能具有不同的外观，但在某些情况下具有相同的含义。

Quote from Wikipedia

- 选择你喜欢的等价形式。

例如，使用兼容性表单中的Latin small letter a with tilde：

var char = "ã";
var nfkc = char.normalize('NFKC');
var nfkd = char.normalize('NFKD');

// Returns bytes as Unicode escaped sequences
function escapeUnicode(str){
    var i;
    var result = "";
    for( i = 0; i < str.length; ++i){
        var c = str.charCodeAt(i);
        c = c.toString(16).toUpperCase();
        while (c.length < 4) {
            c = "0" + c;
        }
        result += "\\u" + c;
    }
    return result;
}

var char = "ã";
var nfkc = char.normalize('NFKC');
var nfkd = char.normalize('NFKD');

document.write('<br />NFKC: ' + escapeUnicode(nfkc));
document.write('<br />NFKD: ' + escapeUnicode(nfkd));

Unicode：如何获取字符的所有代码点，例如ã（所以它可以在JavaScript正则表达式中使用）？

1 个答案: