Nin*_*494 1 java unicode character unicode-normalization
我正在开发一个处理韩语句子的程序，我需要一种将音节或字母分解为字母的方法。对于不了解韩文的人来说，一个音节由2-4个字母（jamo）组成，创建了数千种不同的组合。我想做的就是将这些音节分解成组成它的字母。
我可以通过将其Unicode值与该范围内的关联字母进行比较来获得第一个字母，即以x字母开头的音节在y范围内。但是，我不知所措，无法找到其余的信件。
这是一个包含韩文音节的Unicode值的表：http : //jrgraphix.net/r/Unicode/AC00-D7AF
Hangul音节分解（例如?？?+ ?+ ?）是通过Java通过以下java.text.Normalizer类完成的：
String s = Normalizer.normalize("\uD4DB", Normalizer.Form.NFD);
Unicode标准的第3.12节（来自第142页）中还提供了韩文分解算法。并且由于规范化还会影响其他非Hanul字符，因此您应该熟悉UAX＃15中Unicode规范化的一般原理和形式。
基本上，分解韩文 LVT 或 LV 音节的算法是：
其他可分解的韩文字母（在 U+1113 和 U+11F9 范围内，不包括上面返回的 3 个范围内的简单 L、V 和 T jamos，或在 U+3131 到 U+318E 范围内的扩展 jamos）可以通过小表查找（取自包含韩文规范分解对的主 UCD 表）处理成对的简单 jamos。
该算法在 Unicode 中进行了标准化，只是为了避免将 10,584 个韩文预组合字符（预组合韩文 LV 或 LVT 音节）的规范分解映射到 UCD 表中，成为 UCD 中禁止的三元组（L、V、T simple jamos） , 或成对 (L, V simple jamo) 或成对 (LV 音节, T simple jamo)。
为此，UCD 表只列出了在算法上可分解的第一个和最后一个预组合的 LV 或 LVT 字符；它们也具有所有相同的字符属性（除了在 UCD 的辅助表中列出的“L/V/T/LV/LVT”类型，特定于韩文）
请注意，某些 LL 或 TT 预组合辅音被视为简单的 jamos 并且不可分解。这是韩文中双辅音 (“SANG” jamos) 的传统，但这在 jamo 字母表的主要排序顺序中是可见的，其中双辅音在单辅音之后排序，所有 L 或 LL jamos 在所有 V 之前排序jamos，并且所有 V jamos 在 T 和 TT jamos 之前排序。
通常在格式正确的韩语音节中，V jamo（或元音）只能出现在 L 前导 jamo（辅音）之后，T 尾随 jamo（辅音）只能出现在 V jamo（元音）之后。
但是有一些例外可以强制使用格式正确的 Hangul 音节：如果插入前导的 Hangul V 填充符（未呈现的控件），缺少的 L jamo（在孤立的 V jamo 之前）可以变得格式正确，并且缺少 V jamo（在孤立的 V jamo 之前）如果您插入领先的 Hangul V 填充符（未呈现的控件），T jamo) 可以变得格式良好。这有时用于音译一些以元音开头的非韩语单词，但通常韩语使用（并渲染）他们字母表的最后一个辅音（IOSEUNG，前导或尾随）来表示缺失的 L jamo。
最后，(L*, V*, T*) 格式正确的韩文音节后面可以跟一些声调标记（写在音节右侧的点，呈现在一个正方形中）。(L*, V*, T*) 音节方块的布局顺序在韩语中是标准的：所有 L* 水平对齐，所有 V* 水平对齐，所有 T* 水平对齐，然后 L* 块到左侧部分正方形，右侧的 V* 块，以及 (L*, V*) 块下方的最终 T* 块。声调标记单独添加到 (L*, V*, T*) Hangul 方块的右侧，包含相同音节的所有 jamos。
韩语也有字母的“半角”变体，它们不是严格意义上的“韩文”。半角字母只包含 L 或 LV“半音节”，没有 T“半音节”（它们被 L 半音节代替）：这些半角字母不会呈现在韩文方块中，它们可以以任何顺序出现，就像拉丁字母一样。半宽 LV 音节也可以分解为半宽 L 和半宽 V 音节，但是由于这会扩大它们的呈现方式，因此这种分解不是规范等效的（半宽 LV 音节被认为是牢不可破的连字，类似于拉丁语中的 AE 或 IJ 连字；这种分解仅用于在韩语校对中对它们进行排序，这在韩语字母表的主要排序顺序中可见）。