文本规范化

规范化是一种处理文本的过程，可以通过某些转换使其在某些情况下变得可调和。假设你想要搜索或排序文本，在这种情况下，你需要规范化文本，以考虑应该表示为相同文本的代码点。

什么可以规范化？规范化适用于需要转换带有变音符号的字符、更改所有字母的大小写、分解连字或将半角片假名字符转换为全角字符等情况。

根据Unicode标准附录15，规范化器的API支持以下四种Unicode文本规范化形式，这些形式在java.text.Normalizer.Form中定义：

• 规范化形式D（NFD）：规范分解
• 规范化形式C（NFC）：规范分解，然后规范组合
• 规范化形式KD（NFKD）：兼容分解
• 规范化形式KC（NFKC）：兼容分解，然后规范组合

让我们看一下拉丁小写字母"o"带分音符的规范化可以如何使用这些规范化形式：

你可以注意到，在NFC和NFKC中，原始单词保持不变。这是因为NFD和NFKD将复合字符映射为其规范分解形式。但是在NFC和NFKC中，如果可能的话，组合字符序列将映射为复合字符。对于分音符没有复合字符，因此在NFC和NFKC中保持分解状态。

在后面代表的代码示例NormSample.java中，你还可以注意到另一个规范化特性。半角片假名字符和全角片假名字符具有相同的兼容分解，因此它们是兼容等价的。但它们不是规范等价的。

要确保你确实需要规范化文本，可以使用isNormalized方法来确定给定的字符序列是否已经规范化。如果此方法返回false，表示你需要规范化此序列，并且应该使用normalize方法根据指定的规范化形式规范化char值。例如，要将文本转换为规范分解形式，你将需要使用以下normalize方法：

normalized_string = Normalizer.normalize(target_chars, Normalizer.Form.NFD);

此外，normalize方法会将重音符号重新排列为正确的规范顺序，因此您不必担心自己的重音符号重新排列。

以下示例表示一个应用程序，使您能够选择标准化形式和标准化模板：

此小程序的完整代码在NormSample.java中。