Unicode 任何人都可以解释这句话；“同样的事情”；UTF-8的发行？

引自：

安全性也可能受到多个字符特征的影响 编码，包括UTF-8：“相同的东西”（尽用户所能） tell）可以由几个不同的字符序列表示。对于 例如，带有锐重音的e可以用预合成的 U+00E9 E锐字符或由正则等价序列 U+0065U+0301（E+合并急性）。即使UTF-8提供了 单字节序列为每个字符序列，存在 “同一事物”的多个字符序列可能具有安全性 字符串匹配、索引、

---

这是我以前从未解决过的UTF-8的隐藏特性吗？

这个问题实际上根本不是UTF-8特有的。所有可以表示所有（或至少大多数）Unicode码点的编码都会出现这种情况

Unicode的总体思想是不提供所谓的（例如），而是通常喜欢提供基本字符（例如）和组合字符（例如）。这样做的优点是不必提供每种可能的组合作为其自身的特征

注：。这是引用Unicode字符的独立于编码的方式

然而，当Unicode最初被设计时，一个重要的目标是为现有的、广泛使用的编码提供往返兼容性，因此包括了一些预先组合的字符（事实上，大部分来自拉丁语和相关字母的变音字符都包括在内）

因此是的（和tl；dr）：在一个能够正确工作的Unicode应用程序中，U+00E9应该以与U+0065相同的方式呈现，并以与U+0301相同的方式处理

有一个称为的非平凡过程，它通过将给定字符串减少为四种标准形式之一来帮助处理这些差异

---

例如，在使用NFC时传递两个字符串（

U+00E9

和

U+0065U+0301

）将导致

U+00E9

，在使用NFD时将导致

U+0065U+0301

。

这个问题实际上根本不是UTF-8特有的。所有可以表示所有（或至少大多数）Unicode码点的编码都会出现这种情况

Unicode的总体思想是不提供所谓的（例如），而是通常喜欢提供基本字符（例如）和组合字符（例如）。这样做的优点是不必提供每种可能的组合作为其自身的特征

注：。这是引用Unicode字符的独立于编码的方式

然而，当Unicode最初被设计时，一个重要的目标是为现有的、广泛使用的编码提供往返兼容性，因此包括了一些预先组合的字符（事实上，大部分来自拉丁语和相关字母的变音字符都包括在内）

因此是的（和tl；dr）：在一个能够正确工作的Unicode应用程序中，U+00E9应该以与U+0065相同的方式呈现，并以与U+0301相同的方式处理

有一个称为的非平凡过程，它通过将给定字符串减少为四种标准形式之一来帮助处理这些差异

例如，在使用NFC时传递两个字符串（

U+00E9

和

U+0065U+0301

）将导致

U+00E9

，在使用NFD时将导致

U+0065U+0301

实际上，我不明白这是什么意思：

“即使UTF-8为每个字符提供单字节序列 序列[…]”

引文想说的是：

“任何给定的Unicode码点序列都通过UTF-8编码映射到一个（准确地说是一个）字节序列。”也就是说，UTF-8是（抽象）Unicode码点序列和字节序列之间的双射

本文要说明的问题是，“文本字母”（通常理解）和Unicode代码点之间没有双射，因为同一文本可以由不同的Unicode代码点序列表示（如示例中所述）

实际上，这与UTF-8无关；这是Unicode的一个基本属性：许多文本都有多个表示形式作为Unicode代码点。在比较以Unicode表示的文本时（无论采用何种编码），这一点很重要

对此的一个（部分）解决方案是。它为Unicode文本定义了各种范式，这些范式是文本的唯一表示形式

实际上，我不明白这是什么意思：

“即使UTF-8为每个字符提供单字节序列 序列[…]”

引文想说的是：

“任何给定的Unicode码点序列都通过UTF-8编码映射到一个（准确地说是一个）字节序列。”也就是说，UTF-8是（抽象）Unicode码点序列和字节序列之间的双射

本文要说明的问题是，“文本字母”（通常理解）和Unicode代码点之间没有双射，因为同一文本可以由不同的Unicode代码点序列表示（如示例中所述）

实际上，这与UTF-8无关；这是Unicode的一个基本属性：许多文本都有多个表示形式作为Unicode代码点。在比较以Unicode表示的文本时（无论采用何种编码），这一点很重要

---

对此的一个（部分）解决方案是。它为Unicode文本定义了各种标准格式，这些格式是文本的唯一表示形式。

非常简短和可视化的示例：字符“é”可以使用Unicode代码点U+00E9（带锐音符的拉丁文小写字母E，

é

）或U+0065（拉丁文小写字母E，

E

）后跟U+0301来表示（结合了尖锐的重音，

'

），它们看起来是这样的：

é

在UTF-8中，

---

• [utf 8]相关文章推荐

• Utf 8 如何删除wordpress中的特殊字符？ utf-8wordpress
• Jaspersoft Ireport不支持UTF-8查询（希伯来语） utf-8jasper-reports
• Utf 8 PHPmail$head中的主题加倍并且编码错误 utf-8php
• putty未在串行连接上打印utf-8字符 utf-8
• 如何从unicode转义序列转换为UTF-8 utf-8
• rake notes命中utf-8错误 utf-8
• Utf 8 记事本++；，原子，编码似乎被破坏了 utf-8character-encodingnotepad++atom-editor
• Utf 8 为什么iconv不能转换字符 utf-8
• Apex错误（图像到PDF转换）：BLOB不是有效的UTF-8字符串 utf-8salesforce
• Utf 8 不同于pc到mac的逻辑符号 utf-8

---

• 随机文章推荐