如何从 XML Unicode 字符数据库中提取 Unicode 规范化表？

Question

我正在编写一个脚本来创建包含用于大小写折叠等的 unicode 字符的表格。

我能够很好地提取这些表，但我正在努力弄清楚要使用哪些属性来获取代码点以进行规范化。

在 Unicode Annex #44 中，我能找到的最接近的属性组是 NF(C|D|KC|KD)_QC，它用于判断字符串是否已经被规范化。

它仍然没有列出我实际构建表格所需的值。

我在这里做错了什么？

编辑：我正在编写一个 C 库来处理 unicode，这不是一个简单的库，并且已经完成，用 python 问题编写它，我正在尝试编写我自己的规范化（技术上的组合/分解）函数。

Edit2：分解属性是“dm”，但是组合和 Kompatibility 变体呢？

Answer 1

ucdxml 目录中的 Unicode XML 数据库不是权威的。我建议使用ucd 目录中的权威文件。你需要

• UnicodeData.txt 的第 5 列中的字段 Decomposition_Type and Decomposition_Mapping，
• 第 3 列中的字段 Canonical_Combining_Class，以及
• CompositionExclusions.txt 中的组合排除。

如果尖括号中有分解类型，则为兼容性映射 (NFKD)，否则为规范映射。组合是根据分解映射定义的。有关详细信息，请参阅 Unicode 标准的 section 3.11 Normalization Forms 和 UAX #15。