Julia Unicode.normalize用法及代碼示例

Unicode.normalize(s::AbstractString; keywords...)
Unicode.normalize(s::AbstractString, normalform::Symbol)

規範化字符串 s 。默認情況下，規範組合 (compose=true) 在不確保 Unicode 版本控製穩定性 (compat=false) 的情況下執行，這會生成盡可能短的等效字符串，但可能會引入早期 Unicode 版本中不存在的組合字符。

或者，可以指定 Unicode 標準的四個 "normal forms" 之一：normalform 可以是 :NFC 、 :NFD 、 :NFKC 或 :NFKD 。範式 C(規範組合)和 D(規範分解)將同一抽象字符串的不同視覺上相同的表示轉換為單個規範形式，形式 C 更緊湊。範式 KC 和 KD 還規範化了 "compatibility equivalents"：它們將抽象相似但視覺上不同的字符轉換為單個規範選擇(例如，它們將連字擴展為單個字符)，而 KC 形式更緊湊。

或者，可以通過調用 Unicode.normalize(s; keywords...) 來獲得更精細的控製和額外的轉換，其中指定了任意數量的以下布爾關鍵字選項(除了 compose 之外，所有這些選項都默認為 false)：

• compose=false：不執行規範合成
• decompose=true ：進行規範分解而不是規範組合(如果存在，則忽略 compose=true)
• compat=true：兼容性等價物被規範化
• casefold=true ：執行 Unicode 大小寫折疊，例如用於不區分大小寫的字符串比較
• newline2lf=true 、 newline2ls=true 或 newline2ps=true ：將各種換行符序列(LF、CRLF、CR、NEL)分別轉換為換行符 (LF)、line-separation (LS) 或 paragraph-separation (PS) 字符
• stripmark=true ：去除變音符號(例如重音符號)
• stripignore=true ：去除 Unicode 的 "default ignorable" 字符(例如軟連字符或從左到右的標記)
• stripcc=true ：去除控製字符；水平製表符和換頁符轉換為空格；除非指定了 newline-conversion 標誌，否則換行符也會轉換為空格
• rejectna=true：如果找到未分配的代碼點，則拋出錯誤
• stable=true ：強製 Unicode 版本控製穩定性(永遠不要引入早期 Unicode 版本中缺少的字符)

例如，NFKC 對應於選項 compose=true, compat=true, stable=true 。

例子

julia> "é" == Unicode.normalize("é") #LHS: Unicode U+00e9, RHS: U+0065 & U+0301
true

julia> "μ" == Unicode.normalize("µ", compat=true) #LHS: Unicode U+03bc, RHS: Unicode U+00b5
true

julia> Unicode.normalize("JuLiA", casefold=true)
"julia"

julia> Unicode.normalize("JúLiA", stripmark=true)
"JuLiA"