知识卡片

普通读书笔记卡 · 1911.e

相同字形可以采用不同码点

理解等级:中级

Ä可以表示为U+00C4,也可以表示为U+0041后接组合分音符U+0308。两种码点序列可规范等价,却不保证未经处理的逐码点比较或正则匹配自动相等。Unicode正规化用约定的分解、重排和组合规则统一等价表示;NFD偏向分解,NFC再作规范组合。依据:Unicode正规化规范。原书的打印修复是个案,不保证任意字体都一样显示。

第3章以à的预组与分解形式再次说明正规等价,同时区分外观相似但来自不同字母系统的字符:看起来一样并不自动等价,不能用正规化保证所有视觉相似字符都匹配。

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 · 2 处

    • · 查看原书依据

      Unicode字符Ä (U+00C4)无法打印的问题,于是我建议他使用A和¨ (U+0041和U+0308)的两个Unicode字符来表示(按照Unicode规范,两个字符可以“组合”成一个字符),果然解决了问题。这段经历再次证明,真的学会了,就真的不会忘。 亚里士多德

    • · 查看原书依据

      单个代码点U+00E0。为什么会出现这种情况?是为了保证Unicode和Latin-1之间转换的简易性。如果我们有需要转换为Unicode的Latin-1文本,à可能被转换为U+00E0。不过,也可以转换为U+0061和U+0300的组合。通常,这种转换是自动的,用户无

    参考来源

    - 位置:《精通正则表达式(第3版)》重印前言:学到不会忘(spine 5;来源项目book-sources,`extracted/精通正则表达式(第3版)/_epub-src/text/part0003.html`;来源键`s005-ch00-001`)。 - 结论依据:重印序给出Ä及A加组合分音符的真实案例;Unicode UAX #15的规范等价与NFC/NFD定义补充其表示机制,不把个别打印结果推广为所有环境的保证。 - 原始内容:Unicode字符Ä (U+00C4)无法打印的问题,于是我建议他使用A和¨ (U+0041和U+0308)的两个Unicode字符来表示(按照Unicode规范,两个字符可以“组合”成一个字符),果然解决了问题。这段经历再次证明,真的学会了,就真的不会忘。 亚里士多德 - 位置:《精通正则表达式(第3版)》字符串、字符编码和匹配模式(spine 22;来源项目book-sources,`extracted/精通正则表达式(第3版)/_epub-src/text/part0008_split_003.html`;来源键`s022-ch00-001`)。 - 结论依据:本项实际展开相应解释,图145..166已逐一读取;原书已知错误及过时边界不沿用。 - 原始内容:单个代码点U+00E0。为什么会出现这种情况?是为了保证Unicode和Latin-1之间转换的简易性。如果我们有需要转换为Unicode的Latin-1文本,à可能被转换为U+00E0。不过,也可以转换为U+0061和U+0300的组合。通常,这种转换是自动的,用户无