如何在Javascript中检查Unicode字符串的相等性？

Question

如何在Javascript中检查Unicode字符串的相等性？

javascriptstringunicodenormalizationunicode-normalization

17

我有两个Javascript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（在StackOverflow上可能是这样的；我不确定当它们被粘贴到类似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，当f1使用ö字符时，f2用一个o和一个分音符¨作为单独的字符。我该进行什么比较以展示这两个字符串是“相等”的？

- James A. Rosen

4

也许唯一的解决方案是"规范化"这两个字符串（以Unicode的意义），但我尚未找到可用的库或函数来实现。 - James A. Rosen

1

你确定在你的元标签中声明了UTF-8吗？ - cwallenpoole

很好的问题，@cwallenpoole。我不确定，但我现在会再次确认。我描述的这两个字符串肯定都可以是有效的Unicode，但我不确定它们是否真的是。 - James A. Rosen

@cwallenpoole 页面声明了 <meta charset="utf-8">，表单（文件输入是第一个字符串的来源）声明了 accept-charset="UTF-8"。当然，HTTP 请求和响应也是 UTF-8 的。我认为这只是不同系统（浏览器与服务器）使用不同的 Unicode 规范化的情况。（或者使用规范化与否的情况）。 - James A. Rosen

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- bobince · Accepted Answer

f1使用ö字符，f2使用o和音符¨作为单独字符。

f1在组合型规范（Normal Form C）中，而f2在分解型规范（Normal Form D）中。通常情况下，Windows和Web上最常见的是组合型规范，Unicode FAQ将其描述为“适用于一般文本的最佳形式”。然而，苹果世界不同凡响，选择了分解型规范。

根据Unicode等价性的规则，这两个字符串是等效的。

有什么比较方法可以显示这两个字符串是“相等”的吗？

通常情况下，你将两个字符串转换为你选择的一个规范形式，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

同样地，Java有Normalizer类，.NET有String.Normalize，很多语言都有ICU库的绑定可用，该库也提供此功能。

不幸的是，JavaScript没有本地Unicode标准化能力。这意味着要么自己动手，在JavaScript中携带大型Unicode数据表来覆盖它所有内容（例如，在此处查看示例实现）；要么将其发送回服务器端（例如，通过XMLHttpRequest），在那里使用更强大的语言来处理它。