知识卡片

问题卡 · 5687

Unicode需规范化

理解等级:未标注

视觉相同的文本可能使用不同代码点序列,直接比较并不相等。需按标准等价关系比较时,可先统一为NFC的规范组合形式或NFD的规范分解形式,如预组成ñ与n加组合波浪号。这里改变的是Unicode表示,不是选择UTF-8等字节编码;它也不能消除所有相似字形的差异。规范化形式应由实际比较契约决定。

这张卡片看不懂?

已有反馈 · 0 / 10 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • · 查看原书依据

      多种合法的代码点序列。为了说明这个问题,请看下面的示例: >>> s1 = 'Spicy Jalape\u00f1o' >>> s2 = 'Spicy Jalapen\u0303o' >>> s1 'Spicy Jalapeño' >>> s2 'Spicy Jalap

    参考来源

    《Python Cookbook(第3版)中文版》第2章《字符串和文本》 - 位置:《Python Cookbook(第3版)中文版》2.9 将Unicode文本统一表示为规范形式(spine10;extracted/Python Cookbook(第3版)中文版/_epub-src/OEBPS/Text/part0008.xhtml;u032-ch02-001)。 - 结论依据:完整读取本条问题、代码与讨论;区分代码点序列、字符属性、规范化和有损清理,补充边界依官方原始文档核验。 - 原始内容:多种合法的代码点序列。为了说明这个问题,请看下面的示例: >>> s1 = 'Spicy Jalape\u00f1o' >>> s2 = 'Spicy Jalapen\u0303o' >>> s1 'Spicy Jalapeño' >>> s2 'Spicy Jalap