附錄:Unicode正規化
- 參見MediaWiki.org網站上的Unicode正規化注意事項。
維基媒體基金會以及其他大部分網路上的伺服器將Unicode字串以「標準等價合成法」（NFC，Normalization Form (Canonical) Composition）的形式儲存。這代表經常會有不同的Unicode字串被映射至相同的標準形式。在輸入Unicode字串並儲存頁面時，系統會將其自動轉換至標準形式。未經正規化的字串是無法被儲存至維基詞典頁面的。
等價性 编辑
| 標準等價形式 | 替代表示法 | → | 標準等價合成法 |
|---|---|---|---|
| 結合序列 | C ◌̧ | → | Ç |
| 組合標記的順序 | q + ̣+ ̇ | → | q+ ̇+ ̣ |
| 諺文 | ᄀ +ᅡ | → | 가 |
| 單例形式 | Å | → | Å |
| 希伯來文 | ל ָ ֽ ִ | → | ל ִ ָ ֽ |
問題 编辑
大部分時候，標準等價合成法能使處理文字更加容易，但仍會出現一些語義/非語義的怪異之處。
以下舉出4個單一字元不是標準等價合成形式的範例。
- 有時，一個替代的單一字元是正規的組成形式
- 範例：
U+212B（Å - ANGSTROM SIGN）會被轉換至U+00C5（Å - LATIN CAPITAL LETTER A WITH RING ABOVE）
- 範例：
- 對某些腳本來說，預先合成的字元並非首選
- 如果在Unicode 3.0之前就有分解，而在之後加入的預合成字元，則優先選擇該分解組成形式
- 當分解以非起始點開始時，分解組合被優先於預合成字元
在一些常見的情況下，Unicode對兩個變音符的典型排序是違反直覺的，並且/或者與某些現有的軟件互操作性很差。在其他不太常見的情況下，問題在於雙音符不應該有一個正規的排序，因為這兩個排序實際上是不對等的（也就是說，這兩個雙音符的Canonical_Combining_Class（ccc）屬性應該有相同的值，但它們的值卻不同）。例如，希伯來語的לִַ（"lai"）被錯誤地正規化為לִַ（"lia"）。
由於該轉換是自動的，因此不可能存在非NFC形式的頁面。試圖明確地鏈接到非NFC形式，Å將顯示非NFC形式，但當點擊時將把用戶帶到NFC頁面的Å。
顯示 编辑
可在頁面中使用{{HTML char}}顯示非標準等價合成形式的字元：「{{HTML char|212B}}」會顯示成「Å」。
要注意兩個單一字元之間的正規等價關系，請在NFC字元的相應{{Normalization}}模板的標題字段中使用{{Character info}}（見Å的例子）。
要注意一個預組合字元的NCF是一個分解，請在NFC分解的相應{{Decomposed}}模板的標題字段中使用{{Character info}}（見क़的例子）。