Softonic

Unicode 规范化工具

步 1 / 2
规范化形式
下一步

同一个可见字符串，可能因为重音是作为单一代码点存在，还是作为一个字母加一个组合标记，而被存储为不同的字节序列。这个规范化工具在四种 Unicode 规范化形式（NFC、NFD、NFKC、NFKD）之间转换文本，让你的字符串在数据库、搜索索引、去重脚本和正则匹配中都能干净地比较。

如何规范化 Unicode 文本

  1. 1

    粘贴你的输入

    放入字符串：带重音的字母、CJK 文字、连字，任何让你觉得不一致的内容。

  2. 2

    选择一种形式

    选择 NFC（组合，常用的网页形式）、NFD（分解）、NFKC（兼容组合）或 NFKD（兼容分解）。

  3. 3

    比较计数

    工具会报告前后的字符数（代码点数）和字节长度，让你看出这种形式是让字符串变短还是变长了。

  4. 4

    复制规范化后的输出

    把结果用于你的数据库、API 负载、slug 生成器或测试夹具。

四种形式,以及各自的适用场景

Unicode 规范化由标准附件 UAX #15 定义。四种形式沿两个维度区分：规范与兼容，以及组合与分解。

并列参考

形式 组合 映射 何时使用
NFC 组合 仅规范 网页内容、数据库、文件名的默认选择
NFD 分解 仅规范 按字符去除重音的文本处理
NFKC 组合 含兼容 搜索、标识符、垃圾邮件过滤、显示折叠
NFKD 分解 含兼容 去除变音符号前的激进规范化

规范形式保留含义

输入 é 再切换形式。NFC 报告 1 个字符、2 个字节（单一代码点 U+00E9），而 NFD 报告 2 个字符、3 个字节（一个普通的 e 后面跟一个组合用的锐音符 U+0301）。两者在屏幕上看起来完全一样，却是不同的字节序列,而规范化要解决的正是这种不一致。规范形式只是重新排列字节，所以无论哪种形式，é 始终表示带锐音符的字母 e。

“兼容性”究竟改变了什么

K 形式（NFKC、NFKD）还会重写那些外观相关但带有不同格式的字符。这是有损的：你无法还原出原始内容。例如:

  • fi（U+FB01,拉丁小写连字 fi）会变成 fi（两个字母）
  • ①（U+2460,带圈数字 1）会变成 1
  • ㌀（U+3300,CJK 方形“apaato”）会变成 アパート
  • 全角 Ａ（U+FF21）会变成 A

这对搜索和去重很强大，但对排版是破坏性的，所以只在视觉保真度无关紧要时才选用 K 形式。

一条实用规则

  • 把用户内容存储为 NFC。
  • 用 NFC 比较标识符，让写成单一代码点的 café 与写成 e + U+0301 的 café 相匹配；当你还想让 fi 与 fi、全角 Ａ 与 A 也相等时，就升级到 NFKC，正如 UAX #31 的标识符规则所做的那样。
  • 生成去掉重音的 slug 时，先规范化为 NFD，再删除组合标记区块 U+0300 至 U+036F。

常见问题

通常这意味着你的输入本来就已经是目标形式。粘贴混合了多种来源的文本（Mac 文件名、复制的 PDF 片段、旧数据库中的一行），你就更有可能看到字符数和字节数发生变化。

显示用的 URL 用 NFC。对于想要纯 ASCII 的 slug，先规范化为 NFD，用针对 U+0300 至 U+036F 的正则去掉组合标记，再转成小写。如果你还想折叠连字和带圈数字，NFKD 是一种备选。

规范形式（NFC、NFD）从不改变含义，只是重新排列字节。兼容形式（NFKC、NFKD）则会改变含义：连字被拆开，全角字母被折叠，上标被压平。只在你确实需要时才使用它们。

规范化在我们的服务器上通过 PHP 的 Normalizer 类完成，结果在同一个请求中返回；你的文本不会被保存。我们只记录一条匿名事件，注明应用了哪种形式，绝不记录内容本身。

相关工具

小于或等于符号

复制 ≤ 符号及相关数学比较符号。包含适用于电子表格、论文和网页的 Unicode、HTML 实体及 LaTeX 标记。

可复制的箭头符号

一键复制常用 Unicode 箭头：直线、双线、斜向、钩形、环形和三角样式，适合文档、聊天和设计。

泰语数字转文字工具

在浏览器本地将最多 18 位数字写成泰语，或用 ASCII 数字或泰文数字将准确的泰铢和萨当金额写成文字，不进行舍入。

城市名生成器

为世界观构建、地图、游戏、故事和模拟数据生成虚构的城市、城镇、村庄和首都名称，每个结果均附简短说明。

Instagram字体生成器

生成Unicode字体样式（粗体、斜体、手写体、等宽体、花体），可直接粘贴至您的Instagram个人简介、姓名、配文及评论中。

带圈文本生成器

将纯文本转换为带圆圈的Unicode字符。提供用于社交简介、聊天和文档的轮廓字型、填充字型及带圆圈数字字型。

此工具还提供其他语言版本