Normalización de JavaScript Unicode

Question

Tengo la impresión de que el intérprete de JavaScript supone que el código fuente que está interpretando ya se ha normalizado. ¿Qué hace exactamente la normalización? No puede ser el editor de texto; de lo contrario, la representación de texto sin formato de la fuente podría cambiar. ¿Hay algún "preprocesador" que haga la normalización?

Answer 1

No, no hay ninguna característica de normalización Unicode utilizada automáticamente en JavaScript, o incluso está disponible según ECMAScript 5. Todos los caracteres permanecen sin cambios como su código original apunta, potencialmente en un formato no normal.

por ejemplo intento:

<script type="text/javascript"> 
    var a= 'café';   // caf\u00E9 
    var b= 'café';   // cafe\u0301 
    alert(a+' '+a.length); // café 4 
    alert(b+' '+b.length); // café 5 
    alert(a==b);   // false 
</script> 

Actualización:ECMAScript 6 will introduce Unicode normalization for JavaScript strings.

Answer 2

Si está utilizando node.js, hay una biblioteca unorm para esto.

https://github.com/walling/unorm

Answer 3

ECMAScript 6 introduce String.prototype.normalize() que se encarga de la normalización de Unicode para usted.

unorm es un polyfill de JavaScript para este método, por lo que ya puede usar String.prototype.normalize() hoy en día aunque no hay un solo motor que lo admita de forma nativa en este momento.

Para obtener más información sobre cómo y cuándo utilizar la normalización Unicode en JavaScript, consulte JavaScript has a Unicode problem – Accounting for lookalikes.

Answer 4

He actualizado respuesta @bobince 's:

var cafe4= 'caf\u00E9'; 
var cafe5= 'cafe\u0301'; 


console.log (
    cafe4+' '+cafe4.length,     // café 4 
    cafe5+' '+cafe5.length,     // café 5 
    cafe4 === cafe5,       // false 
    cafe4.normalize() === cafe5.normalize() // true 
);