文本运行不在 Unicode 规范化表格 C 中答案

【问题标题】：Text run is not in Unicode Normalization Form C文本运行不在 Unicode 规范化表格 C 中
【发布时间】：2011-07-24 19:46:15
【问题描述】：

当我尝试验证我的网站时，我收到以下错误：

文本运行不在 Unicode 规范化表格 C 中

答：什么意思？

B：我可以用notepad++修复它吗？

C：如果 B 不是，我如何使用免费工具（不是 Dreamweaver）来解决这个问题？

【问题讨论】：

错误信息现在已经变成了警告，因为 HTML 规范和草案不要求使用 NFC——这只是 W3C 通常喜欢的东西。见discussion in the validator mailing list。
问题中提到的地址不再起作用（它被重定向到域托管站点）。

标签： html validation unicode notepad++ unicode-normalization

【解决方案1】：

什么意思？

来自W3C：

在 Unicode 中可以生成具有不同序列的相同文本的字符。例如，采取匈牙利语 világ。第四个字母可以作为一个存储在内存中 precomposed U+00E1 拉丁小写字母 A WITH ACUTE（单个字符）或作为分解的 U+0061 拉丁小写字母的序列 A 后跟 U+0301 结合急性重音（两个字符）。

világ = világ

Unicode 标准允许这些替代方案，但要求两者都被视为相同。到提高效率，一个应用通常会在之前规范化文本执行搜索或比较。在这种情况下，标准化意味着将文本转换为全部使用预分解或全部分解字符。

有四种规范化形式 由 Unicode 标准指定： NFC、NFD、NFKC 和 NFKD。 C代表代表（预）作曲，而 D 代表分解。 K代表兼容性。改善互操作性，W3C 建议 NFC 规范化文本的使用网络。

除了“提高互操作性”之外，预组合文本通常看起来比分解文本更好。

如何使用免费工具解决此问题

通过在您最喜欢的编程语言中使用与 Python 的 text = unicodedata.normalize('NFC', text) 等效的函数。

（或者，如果您不打算编写程序，您的问题应该转给超级用户或网站管理员。）

【讨论】：

规范化不仅仅是将某些字符耦合在一起。这也是关于将它们在它们的组合类中排序。例如，这10个版本的黑客 i>各自巧妙地不同的标志排序：ĥ̗̖aᷜç̌︣̕k̈͆，ĥ̗̖aᷜkk͆̈，ĥ̖̗ẫᷜĥ̖̗ẫᷜk̈͆，ĥ̗̖ẫᷜÇ︣̌̕k͆̈，ĥ̗̖Ãƒç̌︣̕k̈͆，ĥ̗̖ĥ̗̖ç︣̌̕k͆̈，ĥ̖̗ĥ̖̗ç︣̌̕k̈͆，ĥ̗̖ĥ̗̖ç̌︣̕k̈͆，ĥ̗̖Ãᷜç̌︣̕k͆̈，ĥ̗̖ĥ̗̖Ç̌︣̕k͆̈。其中一些标记将在 NFC 中合并和重新排序，但有些则不会。这十个在 NFC 和 NFD 中看起来是一样的，或者是乱七八糟的。它们是 UCA 排序的。
在 JavaScript 中，应该是：'your_text'.normalize('NFC')

【解决方案2】：

A.它的意思是它所说的（见 dan04 的解释以获得简短的答案和 Unicode 标准的长答案），但它只是表明验证器的作者想要发出警告。 HTML5 规则不需要规范化表格 C (NFC)；它是 W3C 普遍偏爱的东西。

B. 无需修复任何问题，除非您认为使用 NFC 实际上会更好。如果你这样做了，那么有各种工具可以自动转换为 NFC，例如免费的BabelPad 编辑器。如果只需要处理一个非NFC的字符，可以使用Fileformat.info character search等字符信息库找出字符的规范分解并使用。

您是否使用 NFC 取决于许多考虑因素和所涉及的字符。通常，NFC 效果更好，但在某些情况下，替代的非 NFC 呈现方式会产生更合适的渲染效果或在某些特定处理中效果更好。

例如，在重复问题中，引用 &#8486; 已被报告为触发消息。（验证器实际上也检查输入的字符作为此类引用，而不仅仅是纯文本级别的 NFC 检查。）引用代表 U+2126 OHM SIGN “Ω”，它被定义为规范等效于 U+03A9 GREEK CAPITAL字母欧米茄“Ω”。 Unicode 标准明确指出后者是首选字符。它也更好地被字体覆盖。但是，如果您有特殊原因使用 OHM SIGN，您可以这样做，而不会违反当前的 HTML5 规则，并且可以忽略验证器警告。

【讨论】：