ES7 中的 Unicode 正规化详解-JavaScript中文网-JavaScript教程资源分享门户

ES7 中的 Unicode 正规化详解

Unicode 是一个标准化的字符编码系统，目的是解决全球化的问题，允许计算机处理多种语言字符。在 JavaScript 中，Unicode 也是一个重要的概念，特别是在字符串处理的过程中。

在 ES7 中，提供了 Unicode 正规化功能，它可以将字符串中的特殊字符合并或拆分为一些字符，从而方便字符串处理和比较。

本文将会详细解析 ES7 中的 Unicode 正规化，并包含一些示例代码。

Unicode 字符编码

Unicode 中的字符编码主要分为三个部分：

基本多语言面（Basic Multilingual Plane，简称 BMP）：涵盖了绝大部分常用语言字符，编码范围为 U+0000 至 U+FFFF。
非 BMP 区域：涵盖了较少使用的字符，例如表情符号，编码范围为 U+00010000 至 U+0010FFFF。
私用区域（Private Use Area，简称 PUA）：这些字符在 Unicode 中没有官方定义，用于特定领域的应用，编码范围为 U+E000 至 U+F8FF。

在 JavaScript 中，可以使用 \u 或 \u{} 转义字符表示 Unicode 编码。

例如，以下代码中使用 \u 表示一个汉字“中”：

let a = '\u4E2D';
console.log(a); // 输出“中”

Unicode 正规化

Unicode 字符编码标准存在多种不同表示，称为 Unicode 正规化。例如，一个字符可能有多种表示方式，其中包括其本身和一些组合字符。Unicode 正规化将这些不同表示合并为一个标准表示方式。

在 ES7 中，可以通过 String.prototype.normalize() 方法对字符串进行 Unicode 正规化。normalize() 方法接受一个参数，表示所需要的正规化类型。主要的类型包括：NFC、NFD、NFKC 和 NFKD。

以下是各种正规化类型的具体解释：

NFC（Normalization Form Canonical Composition）：表示将组成一个字符的基本字符（base character）和一个重音符（accent）等组合字符合并成一个编码。
NFD（Normalization Form Canonical Decomposition）：表示将同样的字符用不同的编码表示成一个统一的形式，即将组成字符的基本字符和组合字符分开。
NFKC（Normalization Form Compatibility Composition）：表示在 NFKC 容忍范围内（允许精细语义的改变）将字符重新组合。
NFKD（Normalization Form Compatibility Decomposition）：表示将字符的兼容字符用 Unicode 规定的等价字符替代。

下面是一些示例代码：

let str1 = 'café';
let str2 = 'cafe\u0301';

console.log(str1 === str2); // 输出 false
console.log(str1.normalize() === str2.normalize()); // 输出 true

在上面的代码中，字符串“café”可以表示成两个序列：'café' 和 'cafe\u0301'。第一个序列中包含了一个由组成字符的基本字符“e”和一个重音符“é”组成的字符。第二个序列将组成字符拆分成两个部分表示。

通过 normalize() 方法进行 NFC 正规化后，两个字符串变得相等。而通过 NFD 正规化后，两个字符串就变得不同了。

Unicode 正规化的应用

Unicode 正规化的一个主要应用是用于字符串比较和排序。例如，在按照字母顺序排序时，欧洲字母和带有附加符的母音可能会出现问题。通过 Unicode 正规化，可以将这些字符合并为一个标准表示方式，避免出现比较错误的情况。

以下是一个示例代码：

let names = ["José", "Marcos", "Mário"];

console.log(names.sort()); // 输出 ["Jos\u00e9", "Marcos", "M\u00e1rio"]
console.log(names.map(name => name.normalize().toUpperCase()).sort()); // 输出 ["JOSÉ", "MARCOS", "MÁRIO"]

在上面的代码中，对 names 数组进行排序时，会得到不正确的结果。通过将所有字符串都 NFC 正规化，并且全部转换成大写，才能得到正确的结果。

Unicode 正规化同样可以用于输入验证。例如，通过将传入的用户名和密码字符串进行 NFC 正规化，可以避免恶意用户利用 Unicode 正规化的特性进行欺诈和攻击。

总结

Unicode 正规化是 ES7 中一个非常重要的特性，可以解决字符串处理过程中的多种问题。在正确使用 Unicode 正规化相关方法的情况下，可以避免字符串比较和排序等过程中出现的问题，同时提高了系统安全性。

在使用 Unicode 正规化时，需要特别注意字符串的序列。通过试验和测试，可以找到最适合自己使用场景的正规化方式。

以上是本文对 ES7 中的 Unicode 正规化的详细解析，希望能对前端开发者有所帮助。

来源：JavaScript中文网，转载请注明来源 https://www.javascriptcn.com/post/6461a6c3968c7c53b0300bf1