javascript 中的 Unicode 组合

Question

我正在寻找一种方法，在向用户显示时将连字计为单个单位，例如https://www.compart.com/en/unicode/U+FEFB。

当输入该字符时（在阿拉伯语键盘上输入 G），它会以分解形式插入，即 U+0644 U+0627。

我可以通过

分解U+FEFB

escape(String.fromCodePoint(0xFEFB).normalize("NFKD")) // '%u0644%u0627'

有没有办法把U+0644 U+0627组合成0xFEFB？

为什么这行得通？

escape(String.fromCodePoint(0x0644, 0x0627).normalize("NFKC"))

我唯一的想法是迭代我感兴趣的 unicode 范围，分解并创建一个映射，但我希望有更好的方法。

Answer 1

鉴于 the ES2019 spec 要求实施：

Let ns be the String value that is the result of normalizing S into the normalization form named by f as specified in https://unicode.org/reports/tr15/.

并且鉴于 https://www.unicode.org/Public/12.1.0/ucd/NormalizationTest.txt 将该角色描述为

FEFB;FEFB;FEFB;0644 0627;0644 0627; # (ﻻ; ﻻ; ﻻ; لا; لا; ) ARABIC LIGATURE LAM WITH ALEF ISOLATED FORM

这是合规行为。参见

# 1. The following invariants must be true for all conformant implementations
#
#    NFC
#      c2 ==  toNFC(c1) ==  toNFC(c2) ==  toNFC(c3)
#      c4 ==  toNFC(c4) ==  toNFC(c5)
#
#    NFD
#      c3 ==  toNFD(c1) ==  toNFD(c2) ==  toNFD(c3)
#      c5 ==  toNFD(c4) ==  toNFD(c5)
#
#    NFKC
#      c4 == toNFKC(c1) == toNFKC(c2) == toNFKC(c3) == toNFKC(c4) == toNFKC(c5)
#
#    NFKD
#      c5 == toNFKD(c1) == toNFKD(c2) == toNFKD(c3) == toNFKD(c4) == toNFKD(c5)

没有规范化将 c4 或 c5 形式转换回 c1，或 c2，或 c3。

所以我的 unicode 业余爱好者认为没有符合标准的方法将 U+0644 U+0627 规范化回 U+FEFB。

javascript 中的 Unicode 组合

Unicode composition in javascript

javascript

unicode

arabic

ligature