Module  java.base
软件包  java.text

Class Normalizer


  • public final class Normalizer
extends Object
    该类提供了将Unicode文本转换为等效的组合或分解形式的方法normalize ，从而更容易地对文本进行排序和搜索。 normalize方法支持Unicode Standard Annex #15 — Unicode Normalization Forms中描述的标准规范化形式。

    具有重音或其他装饰的字符可以以多种不同的方式以Unicode编码。 例如，以字母A-acute。 在Unicode中，可以将其编码为单个字符（“组合”形式）： 

      U+00C1    LATIN CAPITAL LETTER A WITH ACUTE
    或作为两个单独的字符（“分解”形式）： 
      U+0041    LATIN CAPITAL LETTER A
      U+0301    COMBINING ACUTE ACCENT
    然而，对于您的程序的用户，这两个序列应被视为相同的“用户级”字符“A与尖锐的口音”。 当您搜索或比较文本时，您必须确保这两个序列被视为等同的。 另外，您必须处理多个口音的字符。 有时，字符组合口音的顺序是重要的，而在其他情况下，不同顺序的重音序列确实是相当的。

    类似地，字符串“ffi”可以被编码为三个单独的字母： 

      U+0066    LATIN SMALL LETTER F
      U+0066    LATIN SMALL LETTER F
      U+0069    LATIN SMALL LETTER I
    或作为单个字符 
      U+FB03    LATIN SMALL LIGATURE FFI
    ffi连字不是一个独特的语义字符，严格来说，它不应该在Unicode中，而是包含在与已经提供的字符集的兼容性上。 Unicode标准通过将“兼容性”分解给相应的语义字符来标识这些字符。 排序和搜索时，您通常会使用这些映射。

    normalize方法有助于通过将文本转换为规范组合和分解形式来解决这些问题，如上面的第一个例子所示。 此外，您可以使其执行兼容性分解，以便可以将兼容性字符与其等同物相同。 最后， normalize方法normalize口音重新排列成正确的规范，让您不用担心自己的口音重排。

    W3C通常建议在NFC中交换文本。 还要注意，大多数遗留字符编码仅使用预先形式的形式，并且通常不会自己对任何组合标记进行编码。 要转换为这样的字符编码，Unicode文本需要归一化到NFC。 有关更多使用示例，请参阅Unicode标准附件。

    从以下版本开始：
    1.6