golang unicode/norm 迭代器的最后一个符文未被读取

Question

我正在使用 golang.org/x/text/unicode/norm 包在 []byte 中迭代符文。我选择这种方法是因为我需要检查每个符文并维护有关符文序列的信息。最后一次调用 iter.Next() 没有读取最后一个符文。它在最后一个符文上读取了 0 个字节。

代码如下：

package main

import (
  "fmt"
  "unicode/utf8"

  "golang.org/x/text/unicode/norm"
)

func main() {
  var (
    n   int
    r   rune
    it  norm.Iter
    out []byte
  )
  in := []byte(`test`)
  fmt.Printf("%s\n", in)
  fmt.Println(in)
  it.Init(norm.NFD, in)
  for !it.Done() {
    ruf := it.Next()
    r, n = utf8.DecodeRune(ruf)
    fmt.Printf("bytes read: %d. val: %q\n", n, r)
    buf := make([]byte, utf8.RuneLen(r))
    utf8.EncodeRune(buf, r)
    out = norm.NFC.Append(out, buf...)
  }
  fmt.Printf("%s\n", out)
  fmt.Println(out)
}

这会产生以下输出：

test
[116 101 115 116]
bytes read: 1. val: 't'
bytes read: 1. val: 'e'
bytes read: 1. val: 's'
bytes read: 0. val: '�'
tes�
[116 101 115 239 191 189]

Answer 1

这可能是 golang.org/x/text/unicode/norm 及其 Init() 函数中的错误。

在我看到的包的测试和示例中都使用了InitString。因此，作为解决方法，如果您更改：

 it.Init(norm.NFD, in)

至：

 it.InitString(norm.NFD, `test`)

事情会按预期进行。

我建议打开一个错误报告，但要注意，因为它位于“/x”目录中，所以该包被 go 开发人员认为是实验性的。

（顺便说一句，我使用我的 go debugger 来帮助我追踪发生了什么，但我应该说它的使用是我希望看到的那种调试器。）

golang unicode/norm 迭代器的最后一个符文未被读取

Last rune of golang unicode/norm iterator not being read

unicode

normalization

go

unicode-normalization