正常化不會保留碼點

誰能請解釋一下我爲什麼從U + 2126（Ω），並在相同的表示U + 03A9（Ω）結果和NFD正常化不會保留的代碼點？我只能預料到NFKD和NFKC（以及符號變音符號）的這種行爲。正常化不會保留碼點

result1 = unicodedata.normalize("NFD", u"\u2126") 
result2 = unicodedata.normalize("NFD", u"\u03A9") 
print("NFD: " + repr(result1)) 
print("NFD: " + repr(result2))

輸出：

NFD: u'\u03a9' 
NFD: u'\u03a9'

來源

2015-08-08 HelloWorld

這些被稱爲「單分解」，並且存在對於像U + 2126（Ω）中存在的Unicode進行與現有標準兼容字符。它們不是「兼容性分解」（如U + 1D6C0），因爲它們在視覺和語義上與另一個代碼點（在這種情況下，U + 03A9Ω）相同。

因爲它們基本上重複另一碼點，一個被選作「優選的形式」，當歸一化（成任何形式）另一總是由它取代。第一種形式基本上已被棄用。指着我這個答案

來源

2015-08-09 02:15:19

謝謝，我已經標記爲[我的問題]（http://stackoverflow.com/questions/33945665）爲重複。這解釋了爲什麼ICU標準化器按照其工作方式工作 - [詳情請參見參考]（http://unicode.org/reports/tr15/#Primary_Exclusion_List_Table）。我仍然很難理解Unicode爲什麼這樣工作。希臘問號（U + 037E）*在語義上是否與分號（U + 003B）相同？或者另一個例子：U + 2000分解爲U + 2002。看起來它們都是同時添加的 - 那麼爲什麼在標準中包含U + 2000呢？ – Zilk

感覺就像我瞭解的Unicode的越多，我知道的越少...我想我真正需要的是討論這樣的問題，比如一個郵件列表或新聞組或論壇的地方。到目前爲止，我還沒有找到一個。 – Zilk

語義相同？一點也不。這就是爲什麼兩個代碼點都存在的原因 - 如果你需要語義上的區別，你不應該規範化。但是，在許多情況下，這可以從上下文中確定，並且具有兩個視覺上相同的字符只會導致問題，所以Unicode標準爲它們提供了規範的等價物。 Unicode聯盟運行一個[郵件列表]（http://unicode.org/consortium/distlist-unicode.html），你可能會發現有幫助。 –

正常化不會保留碼點

回答

相關問題