Unicode nach NFC normalisieren

Praktisches Beispiel

NFC zerlegt und kombiniert Zeichen kanonisch zur üblichen zusammengesetzten Form. Wandeln Sie lokal in Ihrem Browser um. Die Eingabe "Grüße" ergibt zum Beispiel "Grüße". Vergleichen Sie Zeichen für Zeichen; die sichtbare Schreibweise kann andere Bytes oder kombinierende Akzente verbergen. Wählen Sie NFC, wenn Speicherung oder Vergleich kanonisch zusammengesetzten Text verlangen. Ein zerlegter Akzent kann wieder ein vorkombiniertes Zeichen werden, ohne das sichtbare Wort zu ändern.

So funktioniert die Darstellung

Unicode kennt vier Normalisierungsformen. NFC und NFD sind kanonisch: Sie erhalten kanonische Gleichwertigkeit und kombinieren oder zerlegen Zeichen, wo dies definiert ist. NFKC und NFKD wenden zusätzlich Kompatibilitätszuordnungen an, etwa für lateinische Vollbreitenbuchstaben oder eingekreiste Zahlen; dabei können Unterschiede verloren gehen. C bedeutet Neukombination, D Zerlegung. Ein normalisiertes Ergebnis kann gleich aussehen, obwohl seine Codepunktfolge anders ist. Das Verfahren hilft bei bestimmten exakten Vergleichen und Suchindizes; die gewählte Form muss aber systemweit einheitlich sein. Es ist weder ein allgemeiner Sicherheitsfilter noch eine Sprachumschrift. NFC zerlegt und kombiniert Zeichen kanonisch zur üblichen zusammengesetzten Form.

Eine Textumwandlung hat eine Richtung. Bestimmen Sie zuerst, ob die Quelle lesbarer Unicode-Text, eine Byteliste, Codepunkte oder bereits kodierter Text ist. Fügen Sie einen kurzen bekannten Wert ein, prüfen Sie die Ausgabe und bearbeiten Sie erst dann längere Eingaben. Bewahren Sie die Quelle auf. Eine kodierte Folge kann umkehrbar sein und trotzdem jedes Originalbyte offenlegen; Kodierung allein schützt keine vertraulichen Daten. Die Berechnung erfolgt in diesem Browser, ohne den eingefügten Inhalt an einen Konvertierungsserver zu senden. Die Ausgabe kann dennoch in einem geteilten Dokument, Ticket oder einer URL sichtbar werden.

Grenzen und zuverlässige Nutzung

Normalisierung übersetzt keine Sprache und beseitigt nicht alle visuell ähnlichen Zeichen. Kompatibilitätsformen können Unterschiede absichtlich verändern. Verwenden Sie genau das Alphabet, die Bytekodierung und die Normalisierungsform, die das Zielsystem erwartet. Ähnliche Formate sind nicht automatisch kompatibel. Ein dekodierter Text kann Markup oder Steuerzeichen enthalten und muss in der nächsten Anwendung als nicht vertrauenswürdige Eingabe gelten. Eine gültige Konvertierung beweist weder Berechtigung noch sachliche Richtigkeit. Testen Sie bei umkehrbaren Verfahren den Rückweg. Vergleichen Sie Unicode-Codepunkte oder UTF-8-Bytes, wenn zwei Texte gleich aussehen, aber ein exakter Vergleich fehlschlägt. Bei gespeicherten oder signierten Daten sollte die Transformation im Datenvertrag stehen statt nur in einer visuellen Vorschau.