当变音符号在前面并且重音不组合形式时如何将 CodePage 规范化为 Unicode Form C

Question

我希望能够说“通过强制变音符号进入它们的组合形式来规范化这个字符串”。

详情：
我的代码是用 C# 开发的，但我不认为这个问题是特定于语言的。

我的数据有两个问题 (1) 变音符号在此数据中的基本字符之前（它需要在 Unicode 形式 D 或 KD 中的基本字符之后）。 (2) 我的数据中的重音变音符号是希腊语 Tonos (U+0384) 但需要组合形式 (U+0301) 才能进行规范化。

我想以编程方式执行此操作。我认为这种类型的操作应该是众所周知的，但我没有在 C# Globalization 方法中找到支持（有规范化方法，但没有办法将变音符号强制转换为它们的组合形式）。

Answer 1

我不认为 C# 全球化方法可以帮助您。您指出的问题是 U+0384 不是组合字符。它本身就是一个角色。这也可以从兼容性分解（To U+0020 U+0301）中看出。数据集很可能来自将音调显示为下一个字符的变音符号的来源。根据 unicode 规范，这不是“正确的”。因此，您必须自己转换数据。我遇到了与撇号类似的问题；有时应用程序会使用正确的引号。

数据转换并不难，我相信您可以编写代码。 我会有一个有状态的转换器并通过流式传输数据。当 U+0384 被检测到时，它不会被消除。你坚持到“tonos”状态并在 NEXT 字符之后发出 U+0301 。这些是要处理的错误条件（U+0384 运行，数据结束处于“tonos”状态）。 这些数据可以使用常用的 API 进行标准化。 祝你好运。