Normalizar Unicode a NFC

Ejemplo práctico

NFC descompone canónicamente y recompone los caracteres para obtener la forma compuesta habitual. Convierte localmente en tu navegador. Por ejemplo, al introducir "Año" se obtiene "Año". Compara ambas partes carácter por carácter; el aspecto visible puede ocultar bytes o marcas combinantes distintos. Elige NFC cuando una regla de almacenamiento o comparación exige texto canónico compuesto. Un acento descompuesto puede recomponerse en un carácter sin cambiar la palabra visible.

Cómo funciona la representación

Unicode define cuatro formas de normalización. NFC y NFD son canónicas: conservan equivalencia canónica mientras componen o descomponen cuando corresponde. NFKC y NFKD aplican además equivalencias de compatibilidad, por ejemplo convertir letras latinas de ancho completo o números encerrados en círculo a formas corrientes; pueden perder distinciones. C significa recomposición y D descomposición. El resultado puede parecer igual a la fuente aunque cambie la secuencia de puntos. Normalizar ayuda a ciertas comparaciones exactas e índices de búsqueda, pero hay que escoger la misma forma en todo el sistema. No es un filtro de seguridad universal ni una transliteración. NFC descompone canónicamente y recompone los caracteres para obtener la forma compuesta habitual.

Una transformación de texto tiene dirección. Primero distingue si la fuente es texto Unicode legible, una lista de bytes, puntos de código o una cadena ya codificada. Pega un valor breve cuyo significado conozcas, examina el resultado y solo después procesa una entrada mayor. Conserva la fuente. Una secuencia codificada puede ser reversible y revelar cada byte original a cualquiera que conozca el formato; la codificación no protege la privacidad. El proceso se ejecuta en este navegador y no envía el contenido a un servidor de conversión. Aun así, el resultado puede hacerse público si lo pegas en un documento, incidencia o URL compartida.

Límites y uso fiable

Normalizar no traduce idiomas ni elimina todos los caracteres confundibles. Las formas de compatibilidad pueden cambiar distinciones textuales. Usa exactamente el alfabeto, la codificación de bytes y la forma de normalización que pide el sistema receptor. Los formatos parecidos no siempre son compatibles. Una cadena descodificada puede contener marcado o caracteres de control y la siguiente aplicación debe tratarla como entrada no fiable. Una conversión válida tampoco demuestra que los datos estén autorizados o sean correctos. Comprueba una ida y vuelta cuando la operación sea reversible y compara puntos de código o bytes UTF-8 si dos cadenas parecen iguales pero fallan una comparación exacta. Para datos guardados o firmados, documenta la transformación dentro del contrato de datos.