Ruby，比较字符串和UTF-8字符时出现问题

我有两个UTF-8字符串：

a = "N\u01b0\u0303"
b = "N\u1eef"

它们看起来非常不同，但渲染后的效果相同：

irb(main):039:0> puts "#{a} - #{b}"
Nữ - Nữ

a版本是我存储在DB中的版本。b版本是在POST请求中来自浏览器的版本，我不知道为什么浏览器会发送不同的UTF8字符组合，而且这种情况并不总是发生，我无法在我的开发环境中重现该问题，它发生在生产中，占总请求的百分比

情况是，我尝试比较这两种方法，但它们返回

false

：

irb(main):035:0> a == b
=> false

我尝试过不同的方法，比如强制编码：

另一个有趣的事实是：

irb(main):005:0> a.chars
=> ["N", "ư", "̃"]
irb(main):006:0> b.chars
=> ["N", "ữ"]

如何比较这类字符串？

这是一个问题

字符串的

a

版本由字符

ư

（U+01B0：带喇叭的拉丁文小写字母U）组成，后跟U+0303组合波浪号。顾名思义，第二个字符是一个，渲染时与前一个字符组合以生成最终的glyph

字符串的

b

版本使用字符

ữ（U+1EEF，带喇叭和波浪号的拉丁小写字母U），是单个字符，与前面的组合等效，但使用不同的字节序列表示

为了比较这些字符串，您需要对它们进行规范化，以便它们对这些类型的字符都使用相同的字节序列。Ruby的当前版本内置了此功能（在早期版本中，您需要使用第三方库）

所以现在你有

a == b

这是
false
，但是如果您这样做

a.unicode_normalize == b.unicode_normalize

您应该得到
true

如果您使用的是较旧版本的Ruby，那么有几个选项。Rails有一个
normalize
方法作为其多字节支持的一部分，因此如果您使用Rails，您可以执行以下操作：

a.mb_chars.normalize == b.mb_chars.normalize

或者类似于：

ActiveSupport::Multibyte::Unicode.normalize(a) == ActiveSupport::Multibyte::Unicode.normalize(b)

如果您没有使用Rails，那么您可以查看，并执行以下操作：

UnicodeUtils.nfkc(a) == UnicodeUtils.nfkc(b)

（
nfkc
指规范化形式，与其他技术中的默认形式相同。）

标准化unicode字符串有多种不同的方法（即使用分解版本还是组合版本），本例仅使用默认值。我将把研究差异留给你。
你可以看到这些是不同的字符。和。在第一种情况下，它使用修饰符“”

Wikipedia有一个关于这方面的章节：

在打印或显示时，假定定义为规范等效的代码点序列具有相同的外观和含义。例如，代码点U+006E（拉丁文小写字母“n”）后跟U+0303（组合波浪号）◌̃”）由Unicode定义为在规范上等同于单个代码点U+00F1（西班牙语字母表中的小写字母“ñ”）。因此，这些序列应以相同的方式显示，应用程序（如按字母顺序排列名称或搜索）应以相同的方式处理，并且可以相互替换

及

该标准还定义了一个称为Unicode规范化的文本规范化过程，该过程将替换等效的字符序列，以便将任何两个等效的文本缩减为相同的代码点序列，称为原始文本的规范化形式或规范化形式

Ruby似乎支持这种规范化，但是：


或者，如果您使用的是RubyonRails，那么规范化方面似乎有一个解决方案。
您是否从同一个浏览器和操作系统中获得了a和b？在我看来，可能是特定的浏览器/os角色渲染问题。也许你们可以尝试点替换表，然后进行反向替换。我使用的是Ruby 2.0.0p247，它看起来并没有集成这个模块。有推荐的第三方库吗？我在Github上找到了但没有任何开始，而且我在安装它时也遇到了问题。@fguillen我已经用一些建议更新了答案。你的问题是用Rails标记的，所以我认为使用Rails的支持可能是最好的解决方案。你是对的，我在Rails的内部Unicode模块中没有想到。我已经在您的答案中添加了此escenario的示例，如果不正确，请更正。
UnicodeUtils.nfkc(a) == UnicodeUtils.nfkc(b)

a = "N\u01b0\u0303".unicode_normalize
b = "N\u1eef".unicode_normalize

a == b  # true