详解红宝书：第五章基本引用类型之String.normalize()方法揭秘

第五章 红宝书：基本引用类型揭秘 String.normalize()方法剖析

5.3.3 String.normalize()方法

某些Unicode字符可以有多种编码方式。有的字符可能有多种视觉形式，比如：“ü”既可以表示成一个预组合字符“\u00fc”，也可以表示成两个分解字符“u”和“¨”。预组合字符是指将多个字符组合成一个字符表示的形式，分解字符是指将一个字符分解成多个字符表示的形式。

“ü”的预组合字符“\u00fc”在UTF-8编码下表示为两个字节，而分解字符“u”和“¨”在UTF-8编码下分别表示为一个字节。因此，预组合字符“\u00fc”在UTF-8编码下比分解字符“u”和“¨”占用更多的空间。

String.normalize()方法可以将字符串中的字符转换为规范形式。规范形式是指一组字符的唯一表示形式。String.normalize()方法有两种规范形式：NFC和NFKD。

• NFC（Normalization Form Canonical Composition） ：将字符串中的所有预组合字符转换为分解字符，并将字符串中的所有分解字符转换为预组合字符。
• NFKD（Normalization Form Canonical Decomposition） ：将字符串中的所有预组合字符转换为分解字符，但不会将字符串中的所有分解字符转换为预组合字符。

以下示例演示了String.normalize()方法的用法：

String str1 = "ü";
String str2 = "\u00fc";

System.out.println(str1.normalize(NormalizationForm.NFC)); // ü
System.out.println(str2.normalize(NormalizationForm.NFC)); // ü

System.out.println(str1.normalize(NormalizationForm.NFKD)); // u¨
System.out.println(str2.normalize(NormalizationForm.NFKD)); // u¨

输出结果为：

ü
ü
u¨
u¨

从输出结果可以看出，String.normalize()方法可以将字符串中的字符转换为规范形式。NFC和NFKD两种规范形式的区别在于，NFC会将分解字符转换为预组合字符，而NFKD不会。

String.normalize()方法可以用于多种场景，比如：

• 比较字符串 ：将字符串转换为规范形式后，可以比较字符串是否相等。这对于比较来自不同来源的字符串非常有用。
• 搜索字符串 ：将字符串转换为规范形式后，可以搜索字符串中是否包含某个子字符串。这对于搜索来自不同来源的字符串非常有用。
• 排序字符串 ：将字符串转换为规范形式后，可以对字符串进行排序。这对于对来自不同来源的字符串进行排序非常有用。