西里尔文 'С' 和拉丁文 'C' 的 Unicode 比较

Question

我有一个混合使用 unicode 字符\u0421、'С' 和\u0043、'C' 的数据集。是否有某种 unicode 比较认为这两个字符相同？到目前为止，我已经尝试了几种 ICU 校对，包括俄语校对。

Answer 1

没有 Unicode 比较可以根据字形的视觉标识将字符视为相同的字符。然而，Unicode 技术标准#39，Unicode Security Mechanisms ，处理“易混淆的字符”——由于视觉同一性或相似性而可能相互混淆的字符。它包括一个数据文件confusables以及“intentionally confusable”对，即“在使用统一字体设计时，任何特定字体中的字形可能被设计为形状相同的字符”，主要由成对的拉丁字母和西里尔字母或希腊字母组成，例如 C 和 С。您可能需要编写自己对这些数据的使用的代码，因为 ICU 似乎没有任何与容易混淆的概念相关的内容。