String.normalize()有什么意义？

Question

在回顾JavaScript概念时，我发现了String.normalize()。这不是在W3学校的"JavaScript字符串引用“中出现的东西，因此，这也是我以前可能会错过它的原因。

我在HackerRank中找到了更多关于它的信息，其中声明：

返回包含调用字符串值的Unicode规范化形式的字符串。

举个例子：

var s = "HackerRank";
console.log(s.normalize());
console.log(s.normalize("NFKC"));

作为产出的：

HackerRank
HackerRank

同时，在GeeksForGeeks中

string.normalize()是javascript中内置的函数，用于返回给定输入字符串的Unicode规范化形式。

举个例子：

<script> 
  
  // Taking a string as input. 
  var a = "GeeksForGeeks"; 
    
  // calling normalize function. 
  b = a.normalize('NFC') 
  c = a.normalize('NFD') 
  d = a.normalize('NFKC') 
  e = a.normalize('NFKD') 
    
  // Printing normalised form. 
  document.write(b +"<br>"); 
  document.write(c +"<br>"); 
  document.write(d +"<br>"); 
  document.write(e); 
    
</script> 

作为产出的：

GeeksForGeeks
GeeksForGeeks
GeeksForGeeks
GeeksForGeeks

也许给出的例子真的很糟糕，因为它们不允许我看到任何变化。

我想知道..。这种方法有什么意义？

Answer 1

这取决于如何处理字符串:通常您不需要它(如果您只是从用户那里获得输入，并将其放入用户)。但是要检查/搜索/使用作为键/等等，您可能需要一种独特的方法来识别相同的字符串(从语义上讲)。

主要的问题是，您可能有两个字符串，它们在语义上是相同的，但是有两个不同的表示形式:例如，一个带有重音字符的字符串--一个代码点，一个带重音字符的字符串--一个字符的代码点，一个用于组合重音的字符串。用户可能无法控制输入文本的发送方式，因此您可能有两个不同的用户名或两个不同的密码。但是，如果您损坏数据，您可能会得到不同的结果，这取决于初始字符串。用户不喜欢它。

另一个问题是组合字符的独特顺序。你可能有一个重音，和一个较低的尾巴(例如雪茄烟)：你可以用几个组合来表达这一点：“纯焦，尾，重音”，“纯焦，重音，尾”，"char+tail，重音“，"char+accent，雪松”。

而且您可能有退化的情况(特别是在键盘上输入时)：您可能会得到应该删除的代码点(您可能有一个无限长的字符串，它可能相当于几个字节。

在任何情况下，要对字符串进行排序，您(或您的库)都需要一个规范化的表单:如果您已经提供了权限，则lib将不需要再次转换它。

因此:您希望相同(从语义上讲)字符串具有相同的unicode代码点序列。

注意:如果您直接使用UTF-8，您还应该关注UTF-8的特殊情况:可以使用更多的字节以不同的方式编写相同的代码点。这也可能是一个安全问题。

K通常用于“搜索”和类似的任务: CO2和CO₂将以相同的方式解释，但这可能会改变文本的含义，因此它通常只用于临时任务，但保留原始文本。

Answer 2

正如MDN文档中所述，String.prototype.normalize()返回字符串的Unicode规范化形式。这是因为在Unicode中，某些字符可能有不同的表示代码。

这是一个例子(取自MDN)：

​

const name1 = '\u0041\u006d\u00e9\u006c\u0069\u0065';
const name2 = '\u0041\u006d\u0065\u0301\u006c\u0069\u0065';

console.log(`${name1}, ${name2}`);
// expected output: "Amélie, Amélie"
console.log(name1 === name2);
// expected output: false
console.log(name1.length === name2.length);
// expected output: false

const name1NFC = name1.normalize('NFC');
const name2NFC = name2.normalize('NFC');

console.log(`${name1NFC}, ${name2NFC}`);
// expected output: "Amélie, Amélie"
console.log(name1NFC === name2NFC);
// expected output: true
console.log(name1NFC.length === name2NFC.length);
// expected output: true

​

如您所见，字符串Amélie作为两种不同的Unicode表示形式。通过规范化，我们可以将这两种形式简化为相同的字符串。

Answer 3

在这里解释得非常漂亮--> 对象/字符串/规范化

简短的回答:重点是，字符是通过一个编码方案，如ascii，utf-8，等等(我们主要使用的是UTF-8)。有些字符有多个表示形式。因此，两个字符串可能呈现类似的，但它们的unicode可能有所不同！所以字符串比较在这里可能会失败！因此，我们使用规范返回一种类型的表示。

// source from MDN

let string1 = '\u00F1';                           // ñ
let string2 = '\u006E\u0303';                     // ñ

string1 = string1.normalize('NFC');
string2 = string2.normalize('NFC');

console.log(string1 === string2);                 // true
console.log(string1.length);                      // 1
console.log(string2.length);                      // 1