miで行われているUnicode正規化について

• さきほどのエントリの補足。文字列をmiにペーストした際に行われているUnicode正規化がNFCだという点について。

• 下図右下のウインドウは、miで1行目の「オリジナル：」以降（これを「文字列A」と呼ぶ）をコピーし、2行目の「ペースト後：」以降にペーストしたもの（これを「文字列B」と呼ぶ）。下図左下のウインドウは、文字列の符号位置を比較する機能を持ったUnicodeCheckerというツール。その「Input」欄に文字列Aを、「Cpmpare with」欄に文字列Bをコピー＆ペーストして符号位置を比較した。

• 一度miでペーストされた文字列（文字列B）では、たとえば「グレーブアクセント付きa」を表現する結合文字列（U+0061 U+0300）が、合成済み文字（U+00E0）に置き換わっていることがわかる。NFDやNFKDは分解方向への正規化なので、結合文字列が合成済み文字に置き換わることはない。またNFKCなら、上図のような置換に加え、全角英数字、半角片仮名、丸付き数字も、より汎用的な文字に置き換わることとなる。