String.prototype.normalize()

form Optional

Einer von "NFC", "NFD", "NFKC" oder "NFKD", der die Unicode-Normalisierungsform angibt. Wenn weggelassen oder undefined, wird "NFC" verwendet.

Diese Werte haben die folgenden Bedeutungen:

"NFC"

Kanonische Zerlegung, gefolgt von kanonischer Zusammensetzung.

"NFD"

Kanonische Zerlegung.

"NFKC"

Kompatibilitätszerlegung, gefolgt von kanonischer Zusammensetzung.

"NFKD"

Kompatibilitätszerlegung.

Ein String, der die Unicode-Normalisierungsform des angegebenen Strings enthält.

RangeError

Wird ausgelöst, wenn form nicht einer der oben angegebenen Werte ist.

Unicode weist jedem Zeichen einen eindeutigen numerischen Wert zu, der als Codepoint bezeichnet wird. Zum Beispiel wird der Codepoint für "A" als U+0041 angegeben. Manchmal können jedoch mehr als ein Codepoint oder eine Sequenz von Codepoints dasselbe abstrakte Zeichen darstellen – zum Beispiel kann das Zeichen "ñ" durch entweder:

• Den einzelnen Codepoint U+00F1.
• Den Codepoint für "n" (U+006E) gefolgt vom Codepoint für die kombinierende Tilde (U+0303).

const string1 = "\u00F1";
const string2 = "\u006E\u0303";

console.log(string1); // ñ
console.log(string2); // ñ

Da die Codepoints jedoch unterschiedlich sind, wird der String-Vergleich sie nicht als gleich behandeln. Und da die Anzahl der Codepoints in jeder Version unterschiedlich ist, haben sie sogar unterschiedliche Längen.

const string1 = "\u00F1"; // ñ
const string2 = "\u006E\u0303"; // ñ

console.log(string1 === string2); // false
console.log(string1.length); // 1
console.log(string2.length); // 2

Die normalize() Methode hilft, dieses Problem zu lösen, indem ein String in eine normalisierte Form umgewandelt wird, die für alle Sequenzen von Codepoints, die dieselben Zeichen darstellen, gemeinsam ist. Es gibt zwei Hauptnormalisierungsformen, eine basierend auf kanonischer Äquivalenz und die andere basierend auf Kompatibilität.

In Unicode haben zwei Sequenzen von Codepoints kanonische Äquivalenz, wenn sie dieselben abstrakten Zeichen darstellen und immer dasselbe visuelle Erscheinungsbild und Verhalten haben sollten (zum Beispiel sollten sie immer auf die gleiche Weise sortiert werden).

Sie können normalize() mit den Argumenten "NFD" oder "NFC" verwenden, um eine Form des Strings zu erzeugen, die für alle kanonisch äquivalenten Strings gleich ist. Im folgenden Beispiel normalisieren wir zwei Darstellungen des Zeichens "ñ":

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

string1 = string1.normalize("NFD");
string2 = string2.normalize("NFD");

console.log(string1 === string2); // true
console.log(string1.length); // 2
console.log(string2.length); // 2

Zusammengesetzte und zerlegte Formen

Beachten Sie, dass die Länge der normalisierten Form unter "NFD" 2 ist. Das liegt daran, dass "NFD" Ihnen die zerlegte Version der kanonischen Form gibt, bei der einzelne Codepoints in mehrere kombinierende aufgeteilt werden. Die zerlegte kanonische Form für "ñ" ist "\u006E\u0303".

Sie können "NFC" angeben, um die zusammengesetzte kanonische Form zu erhalten, bei der mehrere Codepoints, wo möglich, durch einzelne Codepoints ersetzt werden. Die zusammengesetzte kanonische Form für "ñ" ist "\u00F1":

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
console.log(string2.codePointAt(0).toString(16)); // f1

In Unicode sind zwei Sequenzen von Codepoints kompatibel, wenn sie dieselben abstrakten Zeichen darstellen und in einigen, aber nicht notwendigerweise allen Anwendungen als gleich behandelt werden sollten.

Alle kanonisch äquivalenten Sequenzen sind auch kompatibel, aber nicht umgekehrt.

Zum Beispiel:

• Der Codepoint U+FB00 stellt das Ligatur "ff" dar. Er ist kompatibel mit zwei aufeinanderfolgenden U+0066 Codepoints ("ff").
• Der Codepoint U+24B9 stellt das Symbol "Ⓓ" dar. Er ist kompatibel mit dem U+0044 Codepoint ("D").

In einigen Aspekten (wie Sortierung) sollten sie als äquivalent behandelt werden — und in einigen (wie visuelles Erscheinungsbild) nicht, daher sind sie nicht kanonisch äquivalent.

Sie können normalize() mit den Argumenten "NFKD" oder "NFKC" verwenden, um eine Form des Strings zu erzeugen, die für alle kompatiblen Strings gleich ist:

let string1 = "\uFB00";
let string2 = "\u0066\u0066";

console.log(string1); // ff
console.log(string2); // ff
console.log(string1 === string2); // false
console.log(string1.length); // 1
console.log(string2.length); // 2

string1 = string1.normalize("NFKD");
string2 = string2.normalize("NFKD");

console.log(string1); // ff <- visual appearance changed
console.log(string2); // ff
console.log(string1 === string2); // true
console.log(string1.length); // 2
console.log(string2.length); // 2

Beim Anwenden der Kompatibilitätsnormalisierung ist es wichtig zu überlegen, was Sie mit den Strings vorhaben, da die normalisierte Form möglicherweise nicht für alle Anwendungen geeignet ist. Im obigen Beispiel ist die Normalisierung für die Suche geeignet, da es einem Benutzer ermöglicht wird, den String durch Suche nach "f" zu finden. Sie ist jedoch möglicherweise nicht für die Anzeige geeignet, da die visuelle Darstellung unterschiedlich ist.

Wie bei der kanonischen Normalisierung können Sie durch die Übergabe von "NFKD" oder "NFKC" jeweils zerlegte oder zusammengesetzte kompatible Formen anfordern.

• Unicode Standard Annex #15, Unicode Normalization Forms
• Unicode-Äquivalenz auf Wikipedia