c - 有关 unicode 代码点排序的基本原理的信息？

Question

我正在调查https://github.com/JuliaLang/utf8proc/blob/master/utf8proc.c#L397 ，特别是这个片段:

if (property1->combining_class > property2->combining_class &&
          property2->combining_class > 0) {
        buffer[pos] = uc2;
        buffer[pos+1] = uc1;

显然，正在进行一些“排序”，但我在 Unicode 网站上找不到这种排序的基本原理(我根本不知道如何搜索它)。

为什么某些属性优先于其他属性，是否有一些基本原理，或者这只是一种“规范”排序？

Answer 1

这是“规范排序算法”，它定义了字符后面的组合标记的单个顺序。问题在于，在不同位置(例如，字符上方和下方)具有多个组合标记的字符可以通过多种方式指定:

ṩ: U+0073 U+0323 U+0307

ṩ: U+0073 U+0307 U+0323

规范化文本时，规范排序算法确保 ṩ 只能以第一顺序出现:下面的点在上面的点之前。由于字符可以组合的方式有很多，这种特定顺序(在上面之前在下面)的原因有点任意，但它遵循 the order in this table ——通常是从下到上、从左到右。

该算法的完整规范在section 3.11中给出。 Unicode 标准。