Unicode を NFKD にノーマライズ

具体的な変換例

NFKDは再合成せずに互換分解を行い、基底文字と結合記号を分けて示します。変換はブラウザー内で行います。例の入力「こんにちは ＡＢＣ ①」は「こんにちは ABC 1」になります。NFKDを使うと互換文字の構成要素を調べられますが、元の文字の見た目の違いが失われる場合があります。字体や識別子の表記に法的または資料保存上の意味がある場合は、元のテキストを残してください。

表現形式の仕組み

Unicode 正規化には四つの形式があります。NFC と NFD は正準形式で、定義に応じて合成または分解しながら正準等価性を保ちます。NFKC と NFKD は互換性に基づく対応付けも適用し、全角ラテン文字や丸付き数字を通常の形に変えることがあります。この変換で、用途によって重要な違いが失われ得ます。C は再合成、D は分解を意味します。正規化後の結果は見た目が同じでも、コードポイント列は変わる場合があります。正規化は一部の厳密一致の比較や検索索引に有用ですが、システム全体で同じ形式を使う必要があります。万能なセキュリティーフィルターでも、言語間の翻字器でもありません。NFKD は再合成せずに互換分解し、基底文字と結合記号を明らかにします。NFKD の後にコードポイント表示ツールを使い、展開された互換文字と分離した結合記号の両方を確認してください。

見た目が変わらなくても、内部のコードポイント列は変わる場合があります。NFKD を二回適用した結果は安定するはずですが、元の合字や囲み文字を結果から正確に復元できるとは限りません。後続の検索処理がアクセントを削除するなら、その影響を NFKD だけの効果と混同せず、対応する各言語で確かめてください。法律文書などで綴りを厳密に保存する必要がある場合は、元の文字列、正規化した検索キー、適用した変換規則を別々に保持します。

限界と信頼性

Unicode 正規化は言語を翻訳せず、見た目が紛らわしい文字をすべて取り除くものでもありません。互換性正規化では、文字の表記上の違いが意図的に変わることがあります。NFKD は互換性分解を行い、再合成せずに分解後の要素を示します。合字や丸囲み記号は普通の文字列に展開される場合があり、アクセント付きの文字は基底文字と結合記号に分かれたままになることがあります。コードポイントの並びは検索用の索引処理を調べる助けになりますが、変化は多対一になり得るため、元の字形を確実に復元できません。分解をアクセントの除去や別の文字体系の翻字と同一視しないでください。検索システムが後で結合記号を取り除くなら、その追加操作を別に記録します。法律上の名前、署名、正確な識別子で元の表記が重要なら、入力値も保存してください。