如何检查 Javascript 中 Unicode 字符串的相等性？

Question

我在 Javascript 中有两个字符串："_strange_chars_µö¬é@zendesk.com.eml" (f1) 和 "_strange_chars_µö¬é@zendesk.com.eml" (f2)。乍一看，它们看起来是一样的（实际上，在 StackOverflow 上，它们可能是一样的；我不确定当它们被粘贴到这样的表单中时会发生什么。）然而，在我的应用程序中，

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

也就是说，f1 使用 ö 字符，f2 使用 o 和变音符号 ¨ 作为单独的字符.我可以做哪些比较来显示这两个字符串“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 在 Normal Form C（已组合）和 f2 在标准形式 D（已分解）中。一般来说，Normal Form C 在 Windows 和 Web 上最常见，Unicode FAQ 将其描述为“一般文本的最佳形式”。不幸的是，Apple 世界为了与众不同而选择了 Normal Form D。

根据Unicode equivalence 的规则，这些字符串在规范上是等效的。

我可以做哪些比较来显示这两个字符串“相等”？

通常，您将两个字符串转换为您选择的一种范式，然后比较它们。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 有 Normalizer 类，.NET 有 String.Normalize，并且可能语言具有可用于也提供此功能的 ICU 库的绑定。

不幸的是，JavaScript 没有原生 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 覆盖所有内容（参见例如 here 示例实现）；或

• 将其发送回服务器端（例如通过 XMLHttpRequest），在那里您可以使用配备更好的语言来执行此操作。