.net - .NET 的 String.Normalize 有什么作用？

Question

MSDN article on String.Normalize简单地说:

Returns a new string whose binary representation is in a particular Unicode normalization form.

有时指的是“Unicode 规范化形式 C”。

我只是想知道这是什么意思？此功能在现实生活中有何用处？

Answer 1

形式 C 和形式 D 之间的一个区别是带有重音符号的字母的表示方式:形式 C 使用单个带有重音符号的字母代码点，而形式 D 将其分为字母和重音符号。

例如，“à”可以是代码点 224(“带重音符的拉丁小写字母 A”)，也可以是代码点 97(“拉丁小写字母 A”)后跟代码点 786(“组合重音符号”)。逐个字符的比较会发现它们是不同的。标准化使比较成功。

副作用是这使得可以轻松创建“删除重音”方法。

public static string RemoveAccents(string input)
{
    return new string(input
        .Normalize(System.Text.NormalizationForm.FormD)
        .Where(c => CharUnicodeInfo.GetUnicodeCategory(c) != UnicodeCategory.NonSpacingMark)
        .ToArray());
    // the normalization to FormD splits accented letters in letters+accents
    // the rest removes those accents (and other non-spacing characters)
    // and creates a new string from the remaining chars
}

<小时/>

或者让“高度安全”的 ROT13 编码与重音一起工作:

string Rot13(string input)
{
    var v = input.Normalize(NormalizationForm.FormD)
        .Select(c => {
            if ((c>='a' && c<='m') || (c>='A' && c<='M'))
                return (char)(c+13);
            if ((c>='n' && c<='z') || (c>='N' && c<='Z'))
                return (char)(c-13);
            return c;
        });
    return new String(v.ToArray()).Normalize(NormalizationForm.FormC);
}

这会将“Crème brûlée”转换为“Per̀zr oeĥyŕr”(当然反之亦然)，方法是首先将“带重音的字符”代码点拆分为单独的“字符”和“重音”代码点 (FormD)，然后执行仅对字母进行 ROT13 翻译，然后尝试重新组合它们 (FormC)。