유니 코드 정규화 양식 NFC 및 NFD를 사용해야하는 경우?

Question

Unicode Normalization FAQ 다음 내용이 포함

프로그램은 항상 동일으로 정규-해당하는 유니 코드 문자열을 비교해야을 ... 유니 코드 표준이 사용할 수 있습니다 잘 정의 된 정규화 형태로 제공 : NFC와 NFD를.

및 계속 ...

사용의 선택은 특정 프로그램이나 시스템에 따라 달라집니다. NFC는 레거시 인코딩에서 변환 된 문자열과 더 호환되므로 일반 텍스트에 가장 적합한 형식입니다. ... NFD와 NFKD는 내부 처리에 가장 유용합니다.

내 질문은 : NFC 최선하게 무엇

"일반 텍스트를." "내부 처리"를 정의하는 이유는 무엇이며 NFD에 가장 적합한 이유는 무엇입니까? 그리고 마지막으로, "최고"라는 것을 결코 언급하지 않고, 두 개의 문자열이 동일한 정규화 형식을 사용하여 비교되는 한 두 형식을 바꿀 수 있습니까?

Answer 1

1. NFC는 사용해야하는 일반적인 상식이며 ä은 1 코드 포인트이며 의미가 있습니다.

2. NFD는 특정 내부 처리에 적합합니다. 액센트를 구분하지 않고 검색하거나 정렬하려면 NFD에서 문자열을 사용하면 훨씬 쉽고 빠릅니다. 또 다른 용도는 더 강력한 슬러그 타이틀을 만드는 것입니다. 이것들은 단지 가장 명백한 것들이며, 나는 많은 용도가 있음을 확신합니다. 다음

3. 두 개의 문자열 x와 y는 표준 등가물 인 경우,
   toNFC (X) = toNFC (Y)
   toNFD (X) = toNFD (y)는

   그게 무엇 의미 한거야?

Answer 2

자주 묻는 질문은 "should"를 사용하고 동일한 요구 사항을 일관성없이 사용하는 것부터 시작됩니다. 유니 코드 표준 자체 (FAQ에 인용)가 더 정확합니다. 기본적으로 프로그램이 정규적으로 동등한 문자열을 다르게 취급한다고 기대해서는 안되지만 모든 프로그램이 동일한 것으로 간주해야한다고 생각해서는 안됩니다.

실제로는 소프트웨어가 수행해야하는 작업에 따라 다릅니다. 대부분의 상황에서는 전혀 정규화 할 필요가 없으며 정규화는 데이터의 필수 정보를 파괴 할 수 있습니다.

예를 들어, U + 0387 GREEK ANO TELEIA (·)는 U + 00B7 MIDDLE DOT (·)과 동일한 정식으로 정의됩니다. 문자는 정말 뚜렷하고 다르게 렌더링되어야하고 처리시 다르게 취급되어야하기 때문에 이것은 실수였습니다. 그러나 유니 코드의이 부분이 돌로 새겨 져 있기 때문에 그것을 변경하기에는 너무 늦었습니다. 따라서 데이터를 NFC로 변환하거나 정규적으로 동일한 문자열 사이의 차이를 무시하면 잘못된 문자가 표시 될 위험이 있습니다.

님이 걸릴 위험이 있으므로은 정규화하지 않습니다.예를 들어, 문자 "ä"는 단일 유니 코드 문자 U + 00E4 라틴 소문자 A로 표시되거나 두 유니 코드 문자 U + 0061 라틴 소문자 A U + 0308 결합 단점으로 나타날 수 있습니다. 대부분 전자, 즉 사전 작성된 양식이지만 후자이고 "ä"가 포함 된 데이터에 대한 코드 테스트의 경우 미리 작성된 양식 만 사용하면 후자를 감지하지 못합니다. 그러나 많은 경우에 그러한 일을하지 않고 단순히 데이터를 저장하고, 문자열을 연결하고, 인쇄하는 등의 작업을 수행합니다. 그러면 두 표현이 다소 다른 렌더링을 초래할 위험이 있습니다.

소프트웨어가 문자 데이터를 어떻게 든 다른 소프트웨어로 전달하는지 여부도 중요합니다. 수신자는 순전 한 가정이나 의식적으로 그리고 문서화 된 방식으로 입력이 정상화 될 것으로 기대할 수 있습니다.