如何在Javascript中检查Unicode字符串的相等性？

Question

我在Javascript两个字符串:"_strange_chars_µö¬é@zendesk.com.eml"(f1)和"_strange_chars_µö¬é@zendesk.com.eml"(f2).乍一看,它们看起来完全相同(事实上,在StackOverflow上,它们可能是;我不确定将它们粘贴到这样的形式时会发生什么.)然而,在我的应用程序中,

f1[16] // ö
f2[16] // o
f1[17] // ¬
f2[17] // ?

也就是说,在f1使用ö字符,f2使用一个ö和音调符号¨作为一个单独的字符.我能做什么比较才能证明这两个字符串"相等"？

Answer 1

f1使用ö字符,f2使用o和变音符号作为单独的字符.

f1是正常形式 C(组成)和f2正常形式D(分解).通常,Normal Form C是Windows和Web上最常见的,Unicode FAQ将其描述为"一般文本的最佳形式".不幸的是,苹果公司为普通形式D而无所畏惧.

这些字符串在规范上等同于Unicode等价规则.

我能做什么比较才能证明这两个字符串"相等"？

通常,您将两个字符串转换为您选择的一个Normal Form,然后进行比较.例如在Python中:

>>> import unicodedata
>>> a= u'\u00F6'  # ö composed
>>> b= u'o\u0308' # o then combining umlaut
>>> unicodedata.normalize('NFC', a)==unicodedata.normalize('NFC', b)
True

类似地,Java具有Normalizer.NET所具有的类,String.Normalize并且可能语言具有可用于ICU库的绑定,ICU库也提供此功能.

不幸的是,JavaScript没有本机Unicode规范化能力.这意味着:

• 自己动手,在大型Unicode数据表中使用JavaScript来覆盖它们(参见此处的示例实现); 要么

• 将它发送回服务器端(例如通过XMLHttpRequest),在那里你可以使用装备更好的语言来完成它.