Unicode NFC规范化可以增加字符串的长度吗？

如果我对字符串应用Unicode规范化表单C，字符串中的代码点数量会增加吗？

是的，在应用NFC规范化后，有些代码点会扩展到多个代码点。例如，在中，有70个代码点在应用NFC规范化后扩展为2个代码点，有2个代码点（中的U+FB2C和U+FB2D）扩展为3个代码点

对于这个所谓的“扩展因子”，您有一个保证，即在应用NFC规范化后，任何字符串的长度扩展都不会超过3倍（就数量而言）：

还有一个Unicode联盟的稳定策略，即在所有Unicode版本中，规范映射始终受到限制，因此使用NFC分解时，字符串的长度不会超过3倍（以代码单位度量）。无论文本是UTF-8、UTF-16还是UTF-32，都是如此。这种保证还允许在处理中进行某些优化，特别是在确定缓冲区大小时

第9节。UAX#15:Unicode规范化表单

我编写了一个Java程序来确定Unicode块中的哪些代码点扩展为多个代码点：

或者，也可以使用Unicode:：Tussle CPAN模块中的's实用程序。（注意：Mac用户可能在

make test

安装步骤中看到错误，表示Perl版本太旧。如果看到此错误，可以通过在CPAN外壳中运行

notest install Unicode:：Tussle

来安装模块。）

示例：

• 打印BMP中展开为3个代码点的代码点：
  unichars 'length(NFC) == 3' unichars'长度（NFC）==3' ‭‭ שּׁU+FB2C希伯来文字母SHIN随以DAGESH和SHIN圆点 ‭ שּׂU+FB2D希伯来文字母SHIN随以DAGESH和SIN-DOT
• 计算扩展到多个代码点的所有平面中的代码点数量：
  unichars -a 'length(NFC) > 1' | wc -l unichars-a'长度（NFC）>1'| wc-l 八十五

---

另请参见常见问题

哇，这是一个很大的工作

unichars'length（NFC）>1'| wc-l

对于BMP是72，添加

-a

以包括所有平面将产生85。@tchrist:看起来像一个整洁的工具。我必须安装它并试一试：） unichars -a 'length(NFC) > 1' | wc -l 85