在UTF8中可以有多个Unicode连字符吗？

Question

在UTF8中可以有一个unicode连字符fi（Unicode U + FB01）多个表示吗？哪一个？对于每种规范化形式？

Answer 1

该字符应0xEF 0xAC 0x81 utf-8 f，但相同的字符可以按顺序分解为i和0x66 0x69，它们一起{ {1}}。您的问题实际上是由be encoded as直接回答的：

正如您所看到的，NFD和NFC规范化仍然使用相同的连字符代码点，而NFKD和NFKC表单使用{{1} } + f组合。

Answer 2

这取决于“性格”的含义，这是相当模糊的。在Unicode中，“字符”通常表示分配给字符的代码点，这确实与“字符”的直观概念完全匹配。

单个代码点（例如U + FB01）只有一个UTF-8表示形式，因为UTF-8定义了一个用于生成编码形式的明确算法。

直观字符（例如连字符）可以具有不同的表示形式作为代码点或代码点序列，每个代码点具有UTF-8表示。 Unicode规范化规则部分地定义了这些替代方案之间的映射。

但是U + FB01的兼容性映射（到U + 0066 U + 0069，即“f”后跟“i”）并不保留直观字符的标识：连字被映射到两个普通字母。 / p>

另一方面，您可以通过在两个字母之间插入U + 200D ZERO WIDTH JOINER（ZWJ）来询问或建议结扎行为，例如“f”和“i”。在某种意义上，序列U + 0066 U + 200D U + 0069是fi连字的另一种表示，但这不是字符的形式属性，它依赖于渲染软件是否关注ZWJ。