Normalizer Clase

Definición

[Android.Runtime.Register("android/icu/text/Normalizer", ApiSince=24, DoNotGenerateAcw=true)]
public sealed class Normalizer : Java.Lang.Object, IDisposable, Java.Interop.IJavaPeerable, Java.Lang.ICloneable

[<Android.Runtime.Register("android/icu/text/Normalizer", ApiSince=24, DoNotGenerateAcw=true)>]
type Normalizer = class
    inherit Object
    interface ICloneable
    interface IJavaObject
    interface IDisposable
    interface IJavaPeerable

Herencia

Object

Object

Normalizer

Atributos

RegisterAttribute

Implementaciones

IJavaObject IJavaPeerable ICloneable IDisposable

Comentarios

API de normalización Unicode antigua.

Esta API se ha reemplazado por la Normalizer2 clase y solo está disponible para la compatibilidad con versiones anteriores. Esta clase simplemente delega a la clase Normalizer2. Hay dos excepciones: la nueva API no proporciona un reemplazo de QuickCheckResult y compare().

normalize transforma el texto Unicode en un formulario compuesto o descomponido equivalente, lo que permite una ordenación y búsqueda de texto más fácil. normalize admite los formularios de normalización estándar descritos en

Anexo estándar Unicode n.º 15 — Formularios de normalización Unicode.

Los caracteres con acentos u otros adornos se pueden codificar de varias maneras diferentes en Unicode. Por ejemplo, tome el carácter A-acute. En Unicode, esto se puede codificar como un solo carácter (el formato "compuesto"):

00C1    LATIN CAPITAL LETTER A WITH ACUTE

o como dos caracteres independientes (el formulario "descomponido"):

0041    LATIN CAPITAL LETTER A
                 0301    COMBINING ACUTE ACCENT

Sin embargo, para un usuario del programa, ambas secuencias deben tratarse como el mismo carácter de "nivel de usuario" "A con énfasis agudo". Al buscar o comparar texto, debe asegurarse de que estas dos secuencias se tratan de forma equivalente. Además, debe controlar los caracteres con más de un énfasis. A veces, el orden de combinación de acentos de un carácter es significativo, mientras que en otros casos las secuencias de énfasis en diferentes órdenes son realmente equivalentes.

Del mismo modo, la cadena "ffi" se puede codificar como tres letras independientes:

0066    LATIN SMALL LETTER F
                 0066    LATIN SMALL LETTER F
                 0069    LATIN SMALL LETTER I

o como carácter único

FB03    LATIN SMALL LIGATURE FFI

La ligadura ffi no es un carácter semántico distinto y estrictamente hablando no debe estar en Unicode en absoluto, pero se incluyó para la compatibilidad con los juegos de caracteres existentes que ya lo proporcionó. El estándar Unicode identifica estos caracteres al proporcionarles descomposición "compatibilidad" en los caracteres semánticos correspondientes. Al ordenar y buscar, a menudo querrá usar estas asignaciones.

normalize ayuda a resolver estos problemas mediante la transformación de texto en los formularios compuestos y descomponidos canónicos, como se muestra en el primer ejemplo anterior. Además, puede hacer que realice descomposición de compatibilidad para que pueda tratar los caracteres de compatibilidad igual que sus equivalentes. Por último, normalize reorganiza los acentos en el orden canónico adecuado, de modo que no tenga que preocuparse por la reorganización de énfasis por su cuenta.

Form FCD, "Fast C or D", también está diseñado para intercalación. Permite trabajar en cadenas que no están necesariamente normalizadas con un algoritmo (como en la intercalación) que funciona bajo "cierre canónico", es decir, trata los caracteres precomponidos y sus equivalentes descomponidos iguales.

No es una forma de normalización porque no proporciona unicidad de representación. Varias cadenas pueden ser equivalentes canónicamente (sus NFD son idénticas) y pueden ajustarse a FCD sin ser idénticas.

El formulario se define de forma que la "descomposición sin procesar", la descomposición canónica recursiva de cada carácter, da como resultado una cadena ordenada canónicamente. Esto significa que se permiten caracteres precomponidos siempre que sus descomposición no necesiten reordenación canónica.

Su ventaja para un proceso como la intercalación es que todos los textos NFD y la mayoría de los textos NFC (y muchos textos no normalizados) ya se ajustan a FCD y no es necesario normalizar (NFD) para este proceso. La comprobación rápida de FCD devolverá sí para la mayoría de las cadenas en la práctica.

normalize(FCD) se puede implementar con NFD.

Para obtener más información sobre FCD, vea Nota técnica Unicode n.º 5 (Equivalencia canónica en aplicaciones): http://www.unicode.org/notes/tn5/#FCD

La intercalación de ICU realiza automáticamente la normalización de NFD o FCD si la normalización está activada para el objeto de intercalador. Más allá de la intercalación y la búsqueda de cadenas, las cadenas normalizadas pueden ser útiles para comparaciones de equivalencia de cadenas, transliteración/transcripción, representaciones únicas, etc.

Por lo general, el W3C recomienda intercambiar textos en NFC. Tenga en cuenta también que la mayoría de las codificaciones de caracteres heredadas solo usan formularios precomponidos y, a menudo, no codifican marcas de combinación por sí mismas. Para la conversión a estas codificaciones de caracteres, el texto Unicode debe normalizarse en NFC. Para obtener más ejemplos de uso, consulte el Anexo estándar Unicode.

Nota: La clase Normalizer también proporciona API para la normalización iterativa. Mientras que los métodos setIndex() y getIndex() hacen referencia a índices en el texto de entrada Unicode subyacente, los métodos next() y previous() recorren en iteración los caracteres de la salida normalizada. Esto significa que no hay necesariamente una correspondencia uno a uno entre caracteres devueltos por next() y previous() y los índices pasados a y devueltos desde setIndex() y getIndex(). Por este motivo, Normalizer no implementa la interfaz CharacterIterator.

Java documentación para android.icu.text.Normalizer.

Las partes de esta página son modificaciones basadas en el trabajo creado y compartido por el Android y se usan según los términos descritos en creative Creative Commons 2.5 Attribution License.