JavaScript Unicode：相同的字母但不同的Unicode

Question

我需要将文本发送到一个只接受特定类型的特殊字符（如ï）的打印服务。我的客户以某种方式输入文本，使得字母看起来相同，但具有不同的底层Unicode符号，因此不能被打印服务正确处理。例如：

Mine: ï (unicode \u00EF)
Theirs: ï (unicode \u0069\u0308), copy pasting the 2 symbols in chrome bar for example, will show that it actually looks the same in textarea's)

我如何将所有特殊字符从“它们的风格”转换为“我的风格”（在Windows上使用荷兰键盘布局）？我猜这与操作系统或键盘布局有关，但我找不到列出差异或任何相关问题的列表。是否有人建议如何继续？

- user3136936

---

它们都是有效的。重音字符可以通过组合两个字符来完成，许多字符也有专用字符。似乎打印服务无法处理某些类型的有效Unicode，这听起来像一个错误。 - Necreaux

谢谢您的评论。确实是打印服务中的一个错误，但超出了我更改该代码的范围。是否有一种（简单）方法可以将所有组合转换为单个专用字符？ - user3136936

正如当前的答案所强调的那样，我认为您在撰写问题时打错了示例数据。[U+0308]（http://www.fileformat.info/info/unicode/char/0308/index.htm）只是分音符号（当然，[U+0020]（http://www.fileformat.info/info/unicode/char/0020/index.htm）是传统的空格）。 - Álvaro González

@ÁlvaroG.Vicario 我已根据Kevin Hakanson的答案更正了问题的Unicode代码点编号。 - Basil Bourque

“将所有组合成一个单独的专用字符”——这个概念只适用于Unicode有专用字符的情况。对于可以应用组合字符的基本字符没有限制，也没有组合字符序列的限制。 - Tom Blodget

Answer 1

如评论所指出的那样，Unicode中表示重音字符有两种方式（或“规范化形式”）：

• 使用专用符号（\u00EF == ï）
• 使用基本字母+重音的组合（即 i + ¨ == i + \u0308 == ï）

ES6添加了一个专门的函数，用于在规范化形式之间转换字符串：String.normalize。

// convert one-char ("composed") to multiple-chars ("decomposed") form:
escape("\u00EF".normalize("NFD"))  
> "i%u0308"

// convert decomposed form to composed:
escape("i\u0308".normalize("NFC"))  
> "%EF"

如果你的系统还不支持normalize，可以寻找一些兼容库。

- georg

Answer 2

\u00EF 表示的是ï，或者说是带分音符的拉丁小写字母i（Latin Small Letter I with Diaeresis），而 \u0020 则表示空格字符（Space character）

\u0069\u0308 表示的是拉丁小写字母i（Latin Small Letter I）后跟着一个组合分音符（Combining Diaeresis）

Normalization 需要将第二个由两个字符组成的序列转换为第一个序列。在将其发送到打印服务之前，您需要找到一些工具来执行此归一化操作。

请参阅 JavaScript Unicode normalization，以获取一些选项。

- Kevin Hakanson

---

为什么要踩这个回答？它是完全有用和正确的。 - Basil Bourque