Normalisierung (Unicode) - Versionsgeschichte

Karl432: /* Normalformen */ Eine Zahl unter 10 ausgeschrieben, auch in Übereinstimmung mit der Absatzeinleitung

2024-04-15T19:34:38Z

Normalformen: Eine Zahl unter 10 ausgeschrieben, auch in Übereinstimmung mit der Absatzeinleitung

← Nächstältere Version		Version vom 15. April 2024, 21:34 Uhr
Zeile 11:		Zeile 11:

	{\| class="wikitable" style="margin-left:2em"		{\| class="wikitable" style="margin-left:2em"
	\|+ Die 4 Normalformen		\|+ Die vier Normalformen
	\|-		\|-
	! !! kanonische Äquivalenz !! kompatible Äquivalenz		! !! kanonische Äquivalenz !! kompatible Äquivalenz

Karl432: Eine Anmerkung genauer und als solche gelistet

2024-04-15T19:33:20Z

Eine Anmerkung genauer und als solche gelistet

← Nächstältere Version		Version vom 15. April 2024, 21:33 Uhr
Zeile 29:		Zeile 29:
	** Folgen auf ein Zeichen verschiedene kombinierende Zeichen, die an ''unterschiedlichen'' Stellen des Grundbuchstabens stehen, so spielt ihre Reihenfolge für die Darstellung ''keine'' Rolle: Sowohl <code>U+0061 U+0308 U+0320</code> als auch <code>U+0061 U+0320 U+0308</code> ergeben ä̠.		** Folgen auf ein Zeichen verschiedene kombinierende Zeichen, die an ''unterschiedlichen'' Stellen des Grundbuchstabens stehen, so spielt ihre Reihenfolge für die Darstellung ''keine'' Rolle: Sowohl <code>U+0061 U+0308 U+0320</code> als auch <code>U+0061 U+0320 U+0308</code> ergeben ä̠.
	** Anderenfalls ist die Reihenfolge signifikant: <code>U+0061 U+0308 U+0304</code> ergibt ǟ, <code>U+0061 U+0304 U+0308</code> dagegen ā̈.		** Anderenfalls ist die Reihenfolge signifikant: <code>U+0061 U+0308 U+0304</code> ergibt ǟ, <code>U+0061 U+0304 U+0308</code> dagegen ā̈.
	* Manche Zeichen sind doppelt im Standard enthalten, etwa Å, das sowohl an der Position U+00C5 als „Lateinischer Großbuchstabe A mit Ring“ kodiert ist als auch (zwecks Kompatibilität mit älteren Zeichenkodierungen) an der Stelle U+212B als „[[Ångström (Einheit)\|Ångströmzeichen]]“.<ref>Ein Sonderfall ist das [[My\|μ]], das als U+03BC {{Kapitälchen\|greek small letter mu}} und als U+00B5 {{Kapitälchen\|micro sign}} kodiert ist. Aus technischen Gründen (~~Kompatibilität~~ ~~mit~~ ~~dem~~ ISO-8859-1-Zeichensatz) ist hier keine kanonische, sondern nur kompatible Äquivalenz möglich.</ref>		* Manche Zeichen sind doppelt im Standard enthalten, etwa Å, das sowohl an der Position U+00C5 als „Lateinischer Großbuchstabe A mit Ring“ kodiert ist als auch (zwecks Kompatibilität mit älteren Zeichenkodierungen) an der Stelle U+212B als „[[Ångström (Einheit)\|Ångströmzeichen]]“.<ref group="Anm.">Ein Sonderfall ist das [[My\|μ]], das als U+03BC {{Kapitälchen\|greek small letter mu}} und als U+00B5 {{Kapitälchen\|micro sign}} kodiert ist. Aus technischen Gründen ([[eineindeutig]]e Zuordenbarkeit der auch im ISO-8859-1-Zeichensatz enthaltenen Unicode-Zeichen zu diesem) ist hier keine kanonische, sondern nur kompatible Äquivalenz möglich.</ref>

	=== Kompatible Äquivalenz ===		=== Kompatible Äquivalenz ===
Zeile 101:		Zeile 101:
	* [http://www.unicode.org/faq/normalization.html Unicode-FAQ] zur Normalisierung (englisch)		* [http://www.unicode.org/faq/normalization.html Unicode-FAQ] zur Normalisierung (englisch)
	* [http://demo.icu-project.org/icu-bin/nbrowser Normalization Browser] des ICU-Projekts (englisch)		* [http://demo.icu-project.org/icu-bin/nbrowser Normalization Browser] des ICU-Projekts (englisch)

			== Anmerkungen ==
			<references group="Anm." />

	== Einzelnachweise ==		== Einzelnachweise ==

PerfektesChaos: tk k

2024-04-15T18:43:43Z

tk k

← Nächstältere Version		Version vom 15. April 2024, 20:43 Uhr
Zeile 4:		Zeile 4:

	== Normalformen ==		== Normalformen ==
	Es gibt vier Normalformen:<ref name="Unicode_equiv">~~Unicode Consortium,~~ ''The Unicode Standard Version 15.0 – Core Specification'', 2022, ISBN 978-1-936213-32-0 ([https://www.unicode.org/versions/Unicode15.0.0/ ~~online~~])~~, Abschnitt 2.2 “Equivalent Sequences”, Seiten 61–65~~</ref>		Es gibt vier Normalformen:<ref name="Unicode_equiv">''The Unicode Standard Version 15.0 – Core Specification''. Unicode Consortium, 2022, ISBN 978-1-936213-32-0, Abschnitt 2.2 “Equivalent Sequences”, S. 61–65 ([https://www.unicode.org/versions/Unicode15.0.0/ unicode.org])</ref>
	* NFD: die kanonische Dekomposition		* NFD: die kanonische Dekomposition
	* NFC: die kanonische Dekomposition, gefolgt von einer kanonischen Komposition		* NFC: die kanonische Dekomposition, gefolgt von einer kanonischen Komposition
Zeile 10:		Zeile 10:
	* NFKC: die kompatible Dekomposition, gefolgt von einer kanonischen Komposition.		* NFKC: die kompatible Dekomposition, gefolgt von einer kanonischen Komposition.

	{\| style="margin-left:2em~~" class="wikitable~~"		{\| class="wikitable" style="margin-left:2em"
	\|+ Die 4 Normalformen		\|+ Die 4 Normalformen
	\|-		\|-
Zeile 26:		Zeile 26:
	=== Kanonische Äquivalenz ===		=== Kanonische Äquivalenz ===
	Wenn zwei Zeichenketten ''kanonisch äquivalent'' (im Unicode-Standard englisch ''canonically equivalent''<ref name="Unicode_equiv" />) sind, dann stellen sie exakt den ''gleichen Inhalt'' dar, nur sind eventuell andere Folgen von Unicode-Zeichen gewählt. Dass es mehrere Darstellungen gibt, hat mehrere Gründe:		Wenn zwei Zeichenketten ''kanonisch äquivalent'' (im Unicode-Standard englisch ''canonically equivalent''<ref name="Unicode_equiv" />) sind, dann stellen sie exakt den ''gleichen Inhalt'' dar, nur sind eventuell andere Folgen von Unicode-Zeichen gewählt. Dass es mehrere Darstellungen gibt, hat mehrere Gründe:
	* Für viele Buchstaben mit [[Diakritisches Zeichen\|diakritischen]] Zeichen definiert der Unicode-Standard ein eigenes Zeichen. Solche Zeichen lassen sich aber auch darstellen als der Grundbuchstabe, gefolgt von einem [[Kombinierendes Zeichen\|kombinierenden diakritischen Zeichen]].<br />Beispiel: Der Buchstabe Ä existiert als eigenes Zeichen~~ ~~U+00C4, kann aber auch als Folge U+0041 U+0308 [[Zeichenkodierung\|kodiert]] werden.		* Für viele Buchstaben mit [[Diakritisches Zeichen\|diakritischen]] Zeichen definiert der Unicode-Standard ein eigenes Zeichen. Solche Zeichen lassen sich aber auch darstellen als der Grundbuchstabe, gefolgt von einem [[Kombinierendes Zeichen\|kombinierenden diakritischen Zeichen]].<br /> Beispiel: Der Buchstabe Ä existiert als eigenes Zeichen U+00C4, kann aber auch als Folge U+0041 U+0308 [[Zeichenkodierung\|kodiert]] werden.
	** Folgen auf ein Zeichen verschiedene kombinierende Zeichen, die an ''unterschiedlichen'' Stellen des Grundbuchstabens stehen, so spielt ihre Reihenfolge für die Darstellung ''keine'' Rolle: Sowohl <code>U+0061 U+0308 U+0320</code> als auch <code>U+0061 U+0320 U+0308</code> ergeben ä̠.		** Folgen auf ein Zeichen verschiedene kombinierende Zeichen, die an ''unterschiedlichen'' Stellen des Grundbuchstabens stehen, so spielt ihre Reihenfolge für die Darstellung ''keine'' Rolle: Sowohl <code>U+0061 U+0308 U+0320</code> als auch <code>U+0061 U+0320 U+0308</code> ergeben ä̠.
	** Anderenfalls ist die Reihenfolge signifikant: <code>U+0061 U+0308 U+0304</code> ergibt ǟ, <code>U+0061 U+0304 U+0308</code> dagegen ā̈.		** Anderenfalls ist die Reihenfolge signifikant: <code>U+0061 U+0308 U+0304</code> ergibt ǟ, <code>U+0061 U+0304 U+0308</code> dagegen ā̈.
Zeile 69:		Zeile 69:

	== Eigenschaften ==		== Eigenschaften ==
	Text, der nur aus [[ASCII]]-Zeichen besteht, ist schon in jeder der Normalformen, Text aus [[Latin-1]]-Zeichen in NFC.		Text, der nur aus [[American Standard Code for Information Interchange\|ASCII]]-Zeichen besteht, ist schon in jeder der Normalformen, Text aus [[Latin-1]]-Zeichen in NFC.

	Die Verkettung zweier Zeichenketten in Normalform ist manchmal nicht in Normalform, ebenso kann ein Austausch von Klein- und Großbuchstabe die Normalform zerstören.		Die Verkettung zweier Zeichenketten in Normalform ist manchmal nicht in Normalform, ebenso kann ein Austausch von Klein- und Großbuchstabe die Normalform zerstören.
Zeile 78:		Zeile 78:

	=== Stabilität ===		=== Stabilität ===
	Zum Zwecke der [[Abwärtskompatibilität]] wird garantiert, dass eine Zeichenkette, die in einer Normalform vorliegt, auch in künftigen Versionen des Unicode-Standards in Normalform vorliegen wird, sofern sie keine bisher nicht zugewiesenen Zeichen enthält.<ref>[http://www.unicode.org/policies/stability_policy.html#Normalization Unicode Character Encoding Stability Policy~~]: Normalization Stability.~~ ~~Abgerufen~~ am 1. Dezember 2012.</ref>		Zum Zwecke der [[Abwärtskompatibilität]] wird garantiert, dass eine Zeichenkette, die in einer Normalform vorliegt, auch in künftigen Versionen des Unicode-Standards in Normalform vorliegen wird, sofern sie keine bisher nicht zugewiesenen Zeichen enthält.<ref>[http://www.unicode.org/policies/stability_policy.html#Normalization Normalization Stability.] Unicode Character Encoding Stability Policy; abgerufen am 1. Dezember 2012.</ref>

	Ab der Version 4.1 wird zusätzlich garantiert, dass sich auch die Normalisierung selbst nicht ändert. Davor hatte es einige Korrekturen gegeben, die dazu führten, dass manche Zeichenketten in unterschiedlichen Versionen unterschiedliche Normalformen besaßen.		Ab der Version 4.1 wird zusätzlich garantiert, dass sich auch die Normalisierung selbst nicht ändert. Davor hatte es einige Korrekturen gegeben, die dazu führten, dass manche Zeichenketten in unterschiedlichen Versionen unterschiedliche Normalformen besaßen.
Zeile 85:		Zeile 85:

	== Anwendungen ==		== Anwendungen ==
	Die meistverbreitete Normalform in Anwendungen ist NFC. Sie wird unter anderem vom [[World Wide Web Consortium]] für [[XML]] und [[HTML]] empfohlen<ref>Martin J. Dürst et al.: ''Character Model for the World Wide Web 1.0: Fundamentals.'' [http://www.w3.org/TR/charmod/ ~~online~~], abgerufen am 1. Dezember 2012</ref> und auch für [[JavaScript]] verwendet,<ref>''ECMAScript Language Specification.'' 5.1 Edition, [http://www.ecma-international.org/ecma-262/5.1/#sec-6 ~~online~~], abgerufen am 1. Dezember 2012</ref> indem der Code vor weiterer Verarbeitung in diese Form überführt wird.		Die meistverbreitete Normalform in Anwendungen ist NFC. Sie wird unter anderem vom [[World Wide Web Consortium]] für [[Extensible Markup Language\|XML]] und [[Hypertext Markup Language\|HTML]] empfohlen<ref>Martin J. Dürst et al.: ''Character Model for the World Wide Web 1.0: Fundamentals.'' [http://www.w3.org/TR/charmod/ w3.org] abgerufen am 1. Dezember 2012</ref> und auch für [[JavaScript]] verwendet,<ref>''ECMAScript Language Specification.'' 5.1 Edition, [http://www.ecma-international.org/ecma-262/5.1/#sec-6 ecma-international.org] abgerufen am 1. Dezember 2012</ref> indem der Code vor weiterer Verarbeitung in diese Form überführt wird.

	Die kanonischen Normalisierungen stellen sicher, dass äquivalente Daten nicht in unterschiedliche Formen [[Persistenz (Informatik)\|persistiert]] werden, und gewährleisten damit eine konsistente Datenhaltung.		Die kanonischen Normalisierungen stellen sicher, dass äquivalente Daten nicht in unterschiedliche Formen [[Persistenz (Informatik)\|persistiert]] werden, und gewährleisten damit eine konsistente Datenhaltung.
Zeile 94:		Zeile 94:
	* [[Unicode Collation Algorithm]]		* [[Unicode Collation Algorithm]]

	== ~~Quellen~~ ==		== Literatur ==
	* Julie D. Allen et al.: ''The Unicode Standard. Version 6.2 – Core Specification.'' The Unicode Consortium, Mountain View, CA, 2012. ISBN 978-1-936213-07-8. ([http://www.unicode.org/versions/Unicode6.2.0/ ~~online~~])		* Julie D. Allen et al.: ''The Unicode Standard. Version 6.2 – Core Specification.'' The Unicode Consortium, Mountain View CA 2012, ISBN 978-1-936213-07-8 ([http://www.unicode.org/versions/Unicode6.2.0/ unicode.org]).
	* Mark Davis, Ken Whistler: ''Unicode Standard Annex #15: Unicode Normalization Forms.'' [http://www.unicode.org/reports/tr15/tr15-37.html Revision 37].		* Mark Davis, Ken Whistler: ''Unicode Standard Annex #15: Unicode Normalization Forms.'' ([http://www.unicode.org/reports/tr15/tr15-37.html Revision 37] unicode.org).

⚫	== Einzelnachweise ==
⚫	<references />

	== Weblinks ==		== Weblinks ==
	* [http://www.unicode.org/faq/normalization.html Unicode-FAQ] zur Normalisierung (englisch)		* [http://www.unicode.org/faq/normalization.html Unicode-FAQ] zur Normalisierung (englisch)
	* [http://demo.icu-project.org/icu-bin/nbrowser Normalization Browser] des ICU-Projekts (englisch)		* [http://demo.icu-project.org/icu-bin/nbrowser Normalization Browser] des ICU-Projekts (englisch)

		⚫	== Einzelnachweise ==
		⚫	<references />

	[[Kategorie:Unicode]]		[[Kategorie:Unicode]]

Aka: /* Normalformen */ Tippfehler entfernt

2024-03-30T19:48:39Z

Normalformen: Tippfehler entfernt

← Nächstältere Version		Version vom 30. März 2024, 21:48 Uhr
Zeile 4:		Zeile 4:

	== Normalformen ==		== Normalformen ==
	Es gibt vier Normalformen:<ref name="Unicode_equiv">Unicode Consortium, ''The Unicode Standard Version 15.0 – Core Specification'', 2022, ~~ISBN~~ ISBN 978-1-936213-32-0 ([https://www.unicode.org/versions/Unicode15.0.0/ online]), Abschnitt 2.2 “Equivalent Sequences”, Seiten 61–65</ref>		Es gibt vier Normalformen:<ref name="Unicode_equiv">Unicode Consortium, ''The Unicode Standard Version 15.0 – Core Specification'', 2022, ISBN 978-1-936213-32-0 ([https://www.unicode.org/versions/Unicode15.0.0/ online]), Abschnitt 2.2 “Equivalent Sequences”, Seiten 61–65</ref>
	* NFD: die kanonische Dekomposition		* NFD: die kanonische Dekomposition
	* NFC: die kanonische Dekomposition, gefolgt von einer kanonischen Komposition		* NFC: die kanonische Dekomposition, gefolgt von einer kanonischen Komposition

Karl432: /* Normalformen */ "Dekomposition" entlinkt, die BK Dekomposition enthält nichts Zutreffendes (und wenn, müsste es hierhin zurückverweisen). – Englischsprachige Original-Fachbezeichnungen laut Standard (von dem es keine offiziellen Übersetzung gibt) für die Äquivalenzen hinzugefügt.

2024-03-30T16:18:01Z

Normalformen: "Dekomposition" entlinkt, die BK Dekomposition enthält nichts Zutreffendes (und wenn, müsste es hierhin zurückverweisen). – Englischsprachige Original-Fachbezeichnungen laut Standard (von dem es keine offiziellen Übersetzung gibt) für die Äquivalenzen hinzugefügt.

← Nächstältere Version		Version vom 30. März 2024, 18:18 Uhr
Zeile 4:		Zeile 4:

	== Normalformen ==		== Normalformen ==
			Es gibt vier Normalformen:<ref name="Unicode_equiv">Unicode Consortium, ''The Unicode Standard Version 15.0 – Core Specification'', 2022, ISBN ISBN 978-1-936213-32-0 ([https://www.unicode.org/versions/Unicode15.0.0/ online]), Abschnitt 2.2 “Equivalent Sequences”, Seiten 61–65</ref>
	Es gibt vier Normalformen:
	* NFD: die kanonische [[Dekomposition]]		* NFD: die kanonische Dekomposition
	* NFC: die kanonische Dekomposition, gefolgt von einer kanonischen Komposition		* NFC: die kanonische Dekomposition, gefolgt von einer kanonischen Komposition
	* NFKD: die kompatible Dekomposition		* NFKD: die kompatible Dekomposition
Zeile 25:		Zeile 25:

	=== Kanonische Äquivalenz ===		=== Kanonische Äquivalenz ===
	Wenn zwei Zeichenketten ''kanonisch äquivalent'' sind, dann stellen sie exakt den ''gleichen Inhalt'' dar, nur sind eventuell andere Folgen von Unicode-Zeichen gewählt. Dass es mehrere Darstellungen gibt, hat mehrere Gründe:		Wenn zwei Zeichenketten ''kanonisch äquivalent'' (im Unicode-Standard englisch ''canonically equivalent''<ref name="Unicode_equiv" />) sind, dann stellen sie exakt den ''gleichen Inhalt'' dar, nur sind eventuell andere Folgen von Unicode-Zeichen gewählt. Dass es mehrere Darstellungen gibt, hat mehrere Gründe:
	* Für viele Buchstaben mit [[Diakritisches Zeichen\|diakritischen]] Zeichen definiert der Unicode-Standard ein eigenes Zeichen. Solche Zeichen lassen sich aber auch darstellen als der Grundbuchstabe, gefolgt von einem [[Kombinierendes Zeichen\|kombinierenden diakritischen Zeichen]].<br />Beispiel: Der Buchstabe Ä existiert als eigenes Zeichen U+00C4, kann aber auch als Folge U+0041 U+0308 [[Zeichenkodierung\|kodiert]] werden.		* Für viele Buchstaben mit [[Diakritisches Zeichen\|diakritischen]] Zeichen definiert der Unicode-Standard ein eigenes Zeichen. Solche Zeichen lassen sich aber auch darstellen als der Grundbuchstabe, gefolgt von einem [[Kombinierendes Zeichen\|kombinierenden diakritischen Zeichen]].<br />Beispiel: Der Buchstabe Ä existiert als eigenes Zeichen U+00C4, kann aber auch als Folge U+0041 U+0308 [[Zeichenkodierung\|kodiert]] werden.
	** Folgen auf ein Zeichen verschiedene kombinierende Zeichen, die an ''unterschiedlichen'' Stellen des Grundbuchstabens stehen, so spielt ihre Reihenfolge für die Darstellung ''keine'' Rolle: Sowohl <code>U+0061 U+0308 U+0320</code> als auch <code>U+0061 U+0320 U+0308</code> ergeben ä̠.		** Folgen auf ein Zeichen verschiedene kombinierende Zeichen, die an ''unterschiedlichen'' Stellen des Grundbuchstabens stehen, so spielt ihre Reihenfolge für die Darstellung ''keine'' Rolle: Sowohl <code>U+0061 U+0308 U+0320</code> als auch <code>U+0061 U+0320 U+0308</code> ergeben ä̠.
Zeile 32:		Zeile 32:

	=== Kompatible Äquivalenz ===		=== Kompatible Äquivalenz ===
	Sind zwei Zeichenketten nur ''kompatibel äquivalent'', so stellen sie zwar den ''gleichen Inhalt'' dar, allerdings kann die ''Darstellung leicht unterschiedlich'' sein. Folgende Abweichungen können vorkommen:		Sind zwei Zeichenketten nur ''kompatibel äquivalent'' (im Unicode-Standard englisch ''compatibly equivalent''<ref name="Unicode_equiv" />), so stellen sie zwar den ''gleichen Inhalt'' dar, allerdings kann die ''Darstellung leicht unterschiedlich'' sein. Folgende Abweichungen können vorkommen:
	* [[Hochstellung\|Hoch]]-/[[Tiefstellung\|Tiefgestellte]] Zeichen: Die hochgestellte Ziffer 2 (², U+00B2) ist eine Kompatibilitätsvariante der Ziffer 2, ebenso die tiefgestellte (₂, U+2082).		* [[Hochstellung\|Hoch]]-/[[Tiefstellung\|Tiefgestellte]] Zeichen: Die hochgestellte Ziffer 2 (², U+00B2) ist eine Kompatibilitätsvariante der Ziffer 2, ebenso die tiefgestellte (₂, U+2082).
	* Andere Schriftart: Der Großbuchstabe Z mit [[Buchstabe mit Doppelstrich\|Doppelstrich]] (ℤ, U+2124) entspricht dem gewöhnlichen Z, nur liegt er in einer anderen [[Schriftart]] vor.		* Andere Schriftart: Der Großbuchstabe Z mit [[Buchstabe mit Doppelstrich\|Doppelstrich]] (ℤ, U+2124) entspricht dem gewöhnlichen Z, nur liegt er in einer anderen [[Schriftart]] vor.

Wassermaus: Einrückung für Sub-Thrma; Sonderfall my

2022-06-28T07:49:07Z

Einrückung für Sub-Thrma; Sonderfall my

← Nächstältere Version		Version vom 28. Juni 2022, 09:49 Uhr
Zeile 27:		Zeile 27:
	Wenn zwei Zeichenketten ''kanonisch äquivalent'' sind, dann stellen sie exakt den ''gleichen Inhalt'' dar, nur sind eventuell andere Folgen von Unicode-Zeichen gewählt. Dass es mehrere Darstellungen gibt, hat mehrere Gründe:		Wenn zwei Zeichenketten ''kanonisch äquivalent'' sind, dann stellen sie exakt den ''gleichen Inhalt'' dar, nur sind eventuell andere Folgen von Unicode-Zeichen gewählt. Dass es mehrere Darstellungen gibt, hat mehrere Gründe:
	* Für viele Buchstaben mit [[Diakritisches Zeichen\|diakritischen]] Zeichen definiert der Unicode-Standard ein eigenes Zeichen. Solche Zeichen lassen sich aber auch darstellen als der Grundbuchstabe, gefolgt von einem [[Kombinierendes Zeichen\|kombinierenden diakritischen Zeichen]].<br />Beispiel: Der Buchstabe Ä existiert als eigenes Zeichen U+00C4, kann aber auch als Folge U+0041 U+0308 [[Zeichenkodierung\|kodiert]] werden.		* Für viele Buchstaben mit [[Diakritisches Zeichen\|diakritischen]] Zeichen definiert der Unicode-Standard ein eigenes Zeichen. Solche Zeichen lassen sich aber auch darstellen als der Grundbuchstabe, gefolgt von einem [[Kombinierendes Zeichen\|kombinierenden diakritischen Zeichen]].<br />Beispiel: Der Buchstabe Ä existiert als eigenes Zeichen U+00C4, kann aber auch als Folge U+0041 U+0308 [[Zeichenkodierung\|kodiert]] werden.
	* Folgen auf ein Zeichen verschiedene kombinierende Zeichen, die an ''unterschiedlichen'' Stellen des Grundbuchstabens stehen, so spielt ihre Reihenfolge für die Darstellung ''keine'' Rolle~~.<br~~ />Sowohl <code>U+0061 U+0308 U+0320</code> als auch <code>U+0061 U+0320 U+0308</code> ergeben ä̠, ~~während~~ <code>U+0061 U+0308 U+0304</code> ǟ ergibt ~~und~~ <code>U+0061 U+0304 U+0308</code> dagegen ā̈.		** Folgen auf ein Zeichen verschiedene kombinierende Zeichen, die an ''unterschiedlichen'' Stellen des Grundbuchstabens stehen, so spielt ihre Reihenfolge für die Darstellung ''keine'' Rolle: Sowohl <code>U+0061 U+0308 U+0320</code> als auch <code>U+0061 U+0320 U+0308</code> ergeben ä̠.
			** Anderenfalls ist die Reihenfolge signifikant: <code>U+0061 U+0308 U+0304</code> ergibt ǟ, <code>U+0061 U+0304 U+0308</code> dagegen ā̈.
	* Manche Zeichen sind doppelt im Standard enthalten, etwa Å, das sowohl an der Position U+00C5 als „Lateinischer Großbuchstabe A mit Ring“ kodiert ist als auch an der Stelle U+212B als „[[Ångström (Einheit)\|Ångströmzeichen]]“.		* Manche Zeichen sind doppelt im Standard enthalten, etwa Å, das sowohl an der Position U+00C5 als „Lateinischer Großbuchstabe A mit Ring“ kodiert ist als auch (zwecks Kompatibilität mit älteren Zeichenkodierungen) an der Stelle U+212B als „[[Ångström (Einheit)\|Ångströmzeichen]]“.<ref>Ein Sonderfall ist das [[My\|μ]], das als U+03BC {{Kapitälchen\|greek small letter mu}} und als U+00B5 {{Kapitälchen\|micro sign}} kodiert ist. Aus technischen Gründen (Kompatibilität mit dem ISO-8859-1-Zeichensatz) ist hier keine kanonische, sondern nur kompatible Äquivalenz möglich.</ref>

	=== Kompatible Äquivalenz ===		=== Kompatible Äquivalenz ===

Wassermaus: Aufzählpunkte vor zwei Sätzen entfernt, damit man nicht denkt, sie gehören zur Liste davor

2022-05-16T06:27:37Z

Aufzählpunkte vor zwei Sätzen entfernt, damit man nicht denkt, sie gehören zur Liste davor

← Nächstältere Version		Version vom 16. Mai 2022, 08:27 Uhr
Zeile 20:		Zeile 20:
	\|}		\|}

	* In den zerlegten Formen NFD und NFKD werden alle Zeichen, die sich auch mit Hilfe [[Kombinierendes Zeichen\|kombinierender Zeichen]] darstellen lassen, zerlegt.		In den zerlegten Formen NFD und NFKD werden alle Zeichen, die sich auch mit Hilfe [[Kombinierendes Zeichen\|kombinierender Zeichen]] darstellen lassen, zerlegt.

	* In den zusammengesetzten Formen NFC und NFKC wird ein einzelnes Zeichen für eine Folge aus Grundzeichen und kombinierenden Zeichen gewählt, falls dies möglich ist.		In den zusammengesetzten Formen NFC und NFKC wird ein einzelnes Zeichen für eine Folge aus Grundzeichen und kombinierenden Zeichen gewählt, falls dies möglich ist.

	=== Kanonische Äquivalenz ===		=== Kanonische Äquivalenz ===
Zeile 34:		Zeile 35:
	* Andere Schriftart: Der Großbuchstabe Z mit [[Buchstabe mit Doppelstrich\|Doppelstrich]] (ℤ, U+2124) entspricht dem gewöhnlichen Z, nur liegt er in einer anderen [[Schriftart]] vor.		* Andere Schriftart: Der Großbuchstabe Z mit [[Buchstabe mit Doppelstrich\|Doppelstrich]] (ℤ, U+2124) entspricht dem gewöhnlichen Z, nur liegt er in einer anderen [[Schriftart]] vor.
	* Initiale/mediale/finale/isolierte Form eines Zeichens: Obwohl für [[Arabisch in Unicode]] nur ein Zeichen für jeden Buchstaben vorgesehen ist, auch wenn er je nach Stellung eine andere Form hat, sind dennoch auch diese einzelnen Formen als eigene Zeichen kodiert. Diese Zeichen sind als entsprechende Kompatibilitätsvarianten des im Unicode-Standard bevorzugten Zeichens gekennzeichnet.		* Initiale/mediale/finale/isolierte Form eines Zeichens: Obwohl für [[Arabisch in Unicode]] nur ein Zeichen für jeden Buchstaben vorgesehen ist, auch wenn er je nach Stellung eine andere Form hat, sind dennoch auch diese einzelnen Formen als eigene Zeichen kodiert. Diese Zeichen sind als entsprechende Kompatibilitätsvarianten des im Unicode-Standard bevorzugten Zeichens gekennzeichnet.
	* Ohne [[Zeilenumbruch\|Umbruch]]: Einige Zeichen unterscheiden sich nur bei Anwendung des [[Unicode-Zeilenumbruch-Algorithmus]] voneinander, so ist das [[Geschütztes Leerzeichen\|geschützte Leerzeichen]] nur ein [[Leerzeichen]], das keinen Umbruch zulässt.		* Ohne [[Zeilenumbruch\|Umbruch]]: Einige Zeichen unterscheiden sich nur bei Anwendung des [[Unicode-Zeilenumbruch-Algorithmus]] voneinander. So ist das [[Geschütztes Leerzeichen\|geschützte Leerzeichen]] nur ein [[Leerzeichen]], das keinen Umbruch zulässt.
	* Eingekreist: Der [[Unicodeblock Umschlossene alphanumerische Zeichen]] und weitere Blöcke enthalten viele eingekreiste Zeichen, etwa die eingekreiste Ziffer 1 (①, U+2460), die eine Variante der gewöhnlichen 1 ist.		* Eingekreist: Der [[Unicodeblock Umschlossene alphanumerische Zeichen]] und weitere Blöcke enthalten viele eingekreiste Zeichen, etwa die eingekreiste Ziffer 1 (①, U+2460), die eine Variante der gewöhnlichen 1 ist.
	* [[Bruchrechnung\|Bruch]]: Brüche wie etwa ½ (U+00BD) können auch mit Hilfe des Bruchstrichs (U+2044) geschrieben werden.		* [[Bruchrechnung\|Bruch]]: Brüche wie etwa ½ (U+00BD) können auch mit Hilfe des Bruchstrichs (U+2044) geschrieben werden.

Aka: Abkürzung korrigiert

2021-06-04T14:39:59Z

Abkürzung korrigiert

← Nächstältere Version		Version vom 4. Juni 2021, 16:39 Uhr
Zeile 1:		Zeile 1:
	Der [[Unicode]]-Standard kennt unterschiedliche '''Normalformen''' von Unicode-[[Zeichenkette]]n und [[Algorithmus\|Algorithmen]] zur '''Normalisierung''', also zur Überführung einer Zeichenkette in eine solche Normalform.		Der [[Unicode]]-Standard kennt unterschiedliche '''Normalformen''' von Unicode-[[Zeichenkette]]n und [[Algorithmus\|Algorithmen]] zur '''Normalisierung''', also zur Überführung einer Zeichenkette in eine solche Normalform.
	[[Datei:Composicion nh.svg\|mini\|Zwei unterschiedliche Codierungen für ñ, ein n mit [[Tilde]]]]		[[Datei:Composicion nh.svg\|mini\|Zwei unterschiedliche Codierungen für ñ, ein n mit [[Tilde]]]]
	Für viele Zeichen gibt es mehrere Möglichkeiten, sie als Kette von Unicode-Zeichen darzustellen (z.B. das „ö“ als solches oder als „o“ mit [[Trema]]). Ein einfacher [[Byte]]-Vergleich genügt daher nicht, denn er könnte Unterschiede in der Codierung erkennen, die aber keine Unterschiede im Text bedeuten. Um festzustellen, ob zwei Zeichenketten den gleichen Text repräsentieren, ist es daher hilfreich, beide in die gleiche Normalform zu überführen.		Für viele Zeichen gibt es mehrere Möglichkeiten, sie als Kette von Unicode-Zeichen darzustellen (z. B. das „ö“ als solches oder als „o“ mit [[Trema]]). Ein einfacher [[Byte]]-Vergleich genügt daher nicht, denn er könnte Unterschiede in der Codierung erkennen, die aber keine Unterschiede im Text bedeuten. Um festzustellen, ob zwei Zeichenketten den gleichen Text repräsentieren, ist es daher hilfreich, beide in die gleiche Normalform zu überführen.

	== Normalformen ==		== Normalformen ==

Davit.1980: etwas verquere Formulierung, Komma, ugs.

2021-06-04T08:09:44Z

etwas verquere Formulierung, Komma, ugs.

RoBri: Änderungen von 217.117.125.72 (Diskussion) auf die letzte Version von Stapelüberlauf zurückgesetzt

2020-09-29T15:35:23Z

Änderungen von 217.117.125.72 (Diskussion) auf die letzte Version von Stapelüberlauf zurückgesetzt

← Nächstältere Version		Version vom 29. September 2020, 17:35 Uhr
Zeile 106:		Zeile 106:
	[[Kategorie:Algorithmus]]		[[Kategorie:Algorithmus]]
	[[Kategorie:Normalform]]		[[Kategorie:Normalform]]
	[[ru:Юникод#Алгоритмы нормализации]]

← Nächstältere Version		Version vom 4. Juni 2021, 10:09 Uhr
Zeile 1:		Zeile 1:
	Der [[Unicode]]-Standard kennt ~~verschiedene~~ '''Normalformen''' von Unicode-[[Zeichenkette]]n und [[Algorithmus\|Algorithmen]] zur '''Normalisierung''', also zur Überführung einer Zeichenkette in eine solche Normalform.		Der [[Unicode]]-Standard kennt unterschiedliche '''Normalformen''' von Unicode-[[Zeichenkette]]n und [[Algorithmus\|Algorithmen]] zur '''Normalisierung''', also zur Überführung einer Zeichenkette in eine solche Normalform.
	[[Datei:Composicion nh.svg\|mini\|Zwei ~~verschiedene~~ ~~Darstellungen~~ für ñ, ein n mit [[Tilde]]]]		[[Datei:Composicion nh.svg\|mini\|Zwei unterschiedliche Codierungen für ñ, ein n mit [[Tilde]]]]
	~~Die~~ ~~Normalisierung~~ ~~ist~~ ~~nötig, da~~ es ~~für viele Zeichen~~ mehrere ~~unterschiedliche~~ Möglichkeiten ~~gibt~~, ~~diese~~ als Kette von Unicode-Zeichen darzustellen. ~~Nur~~ ~~wenn~~ zu ~~vergleichende~~ ~~Zeichenketten~~ ~~sich~~ in ~~der~~ ~~gleichen~~ ~~Normalform~~ ~~befinden~~, ~~ist~~ es ~~möglich~~, zu ~~entscheiden~~, ob ~~sie~~ den gleichen Text ~~darstellen~~ ~~oder~~ ~~nicht~~.		Für viele Zeichen gibt es mehrere Möglichkeiten, sie als Kette von Unicode-Zeichen darzustellen (z.B. das „ö“ als solches oder als „o“ mit [[Trema]]). Ein einfacher [[Byte]]-Vergleich genügt daher nicht, denn er könnte Unterschiede in der Codierung erkennen, die aber keine Unterschiede im Text bedeuten. Um festzustellen, ob zwei Zeichenketten den gleichen Text repräsentieren, ist es daher hilfreich, beide in die gleiche Normalform zu überführen.

	== Normalformen ==		== Normalformen ==
Zeile 37:		Zeile 37:
	* Eingekreist: Der [[Unicodeblock Umschlossene alphanumerische Zeichen]] und weitere Blöcke enthalten viele eingekreiste Zeichen, etwa die eingekreiste Ziffer 1 (①, U+2460), die eine Variante der gewöhnlichen 1 ist.		* Eingekreist: Der [[Unicodeblock Umschlossene alphanumerische Zeichen]] und weitere Blöcke enthalten viele eingekreiste Zeichen, etwa die eingekreiste Ziffer 1 (①, U+2460), die eine Variante der gewöhnlichen 1 ist.
	* [[Bruchrechnung\|Bruch]]: Brüche wie etwa ½ (U+00BD) können auch mit Hilfe des Bruchstrichs (U+2044) geschrieben werden.		* [[Bruchrechnung\|Bruch]]: Brüche wie etwa ½ (U+00BD) können auch mit Hilfe des Bruchstrichs (U+2044) geschrieben werden.
	* andere Breite oder Ausrichtung, quadratisch: Die ostasiatische [[Typographie]] kennt Zeichen in ~~verschiedenen~~ Breiten, und solche, die im vertikalen Layout um 90° gedreht gegenüber der üblichen Darstellung erscheinen.		* andere Breite oder Ausrichtung, quadratisch: Die ostasiatische [[Typographie]] kennt Zeichen in unterschiedlichen Breiten und solche, die im vertikalen Layout um 90° gedreht gegenüber der üblichen Darstellung erscheinen.
	* Sonstiges: Einige Normalisierungen fallen in keine dieser Kategorien, darunter die Auflösung von [[Ligatur (Typografie)\|Ligaturen]].		* Sonstiges: Einige Normalisierungen fallen in keine dieser Kategorien, darunter die Auflösung von [[Ligatur (Typografie)\|Ligaturen]].

Zeile 44:		Zeile 44:
	* <code>Decomposition_Mapping</code> gibt zu jedem Zeichen an, in welche Zeichenfolge es zerlegt werden kann, falls dies möglich ist. Die Eigenschaft nennt sowohl die kanonischen als auch die kompatiblen Zerlegungen.		* <code>Decomposition_Mapping</code> gibt zu jedem Zeichen an, in welche Zeichenfolge es zerlegt werden kann, falls dies möglich ist. Die Eigenschaft nennt sowohl die kanonischen als auch die kompatiblen Zerlegungen.
	* <code>Decomposition_Type</code> gibt an, ob es sich bei der Zerlegung um eine kanonische oder eine kompatible Zerlegung handelt. Im letzteren Fall wird auch angegeben, welcher Art diese ist.		* <code>Decomposition_Type</code> gibt an, ob es sich bei der Zerlegung um eine kanonische oder eine kompatible Zerlegung handelt. Im letzteren Fall wird auch angegeben, welcher Art diese ist.
	* <code>Canonical_Combining_Class</code> (kurz <code>ccc</code>) ist eine Zahl zwischen 0 und 254, die für kombinierende Zeichen in etwa angibt, an welcher Stelle des Grundzeichens sie stehen. Haben zwei kombinierende Zeichen ~~verschiedene~~ Werte, so interagieren sie grafisch nicht miteinander und können vertauscht werden, ohne dass sich die Darstellung ändert.		* <code>Canonical_Combining_Class</code> (kurz <code>ccc</code>) ist eine Zahl zwischen 0 und 254, die für kombinierende Zeichen in etwa angibt, an welcher Stelle des Grundzeichens sie stehen. Haben zwei kombinierende Zeichen unterschiedliche Werte, so interagieren sie grafisch nicht miteinander und können vertauscht werden, ohne dass sich die Darstellung ändert.
	* Ein Zeichen besitzt die <code>Full_Composition_Exclusion</code>-Eigenschaft, falls es zwar eine kanonische Zerlegung besitzt, aber in den zusammengesetzten Normalformen dennoch nicht verwendet werden soll.		* Ein Zeichen besitzt die <code>Full_Composition_Exclusion</code>-Eigenschaft, falls es zwar eine kanonische Zerlegung besitzt, aber in den zusammengesetzten Normalformen dennoch nicht verwendet werden soll.
	* <code>Hangul_Syllable_Type</code> wird bei für die Zerlegung [[Unicodeblock Hangeul-Silbenzeichen\|koreanischer Silbenblöcke]] verwendet.		* <code>Hangul_Syllable_Type</code> wird bei für die Zerlegung [[Unicodeblock Hangeul-Silbenzeichen\|koreanischer Silbenblöcke]] verwendet.
Zeile 73:		Zeile 73:
	Alle Normalisierungen sind [[Idempotenz\|idempotent]], wendet man sie also ein zweites Mal an, so bleibt die Zeichenkette wie sie ist. Jede Abfolge von Normalisierungen kann durch eine einzige Normalisierung ersetzt werden; das Ergebnis ist eine kompatible Normalisierung, falls eine der beteiligten Normalisierungen kompatibel ist, sonst eine kanonische.		Alle Normalisierungen sind [[Idempotenz\|idempotent]], wendet man sie also ein zweites Mal an, so bleibt die Zeichenkette wie sie ist. Jede Abfolge von Normalisierungen kann durch eine einzige Normalisierung ersetzt werden; das Ergebnis ist eine kompatible Normalisierung, falls eine der beteiligten Normalisierungen kompatibel ist, sonst eine kanonische.

	Der Unicode-Standard stellt einige Eigenschaften zur Verfügung, dank ~~derer~~ [[Effizienz (Informatik)\|effizient]] getestet werden kann, ob eine gegebene Zeichenkette in Normalform vorliegt oder nicht.		Der Unicode-Standard stellt einige Eigenschaften zur Verfügung, dank denen [[Effizienz (Informatik)\|effizient]] getestet werden kann, ob eine gegebene Zeichenkette in Normalform vorliegt oder nicht.

	=== Stabilität ===		=== Stabilität ===
	Zum Zwecke der [[Abwärtskompatibilität]] wird garantiert, dass eine Zeichenkette, die in einer Normalform vorliegt, auch in künftigen Versionen des Unicode-Standards in Normalform vorliegen wird, sofern sie keine bisher nicht zugewiesenen Zeichen enthält.<ref>[http://www.unicode.org/policies/stability_policy.html#Normalization Unicode Character Encoding Stability Policy]: Normalization Stability. Abgerufen am 1. Dezember 2012.</ref>		Zum Zwecke der [[Abwärtskompatibilität]] wird garantiert, dass eine Zeichenkette, die in einer Normalform vorliegt, auch in künftigen Versionen des Unicode-Standards in Normalform vorliegen wird, sofern sie keine bisher nicht zugewiesenen Zeichen enthält.<ref>[http://www.unicode.org/policies/stability_policy.html#Normalization Unicode Character Encoding Stability Policy]: Normalization Stability. Abgerufen am 1. Dezember 2012.</ref>

	Ab der Version 4.1 wird zusätzlich garantiert, dass sich auch die Normalisierung selbst nicht ändert. Davor hatte es einige Korrekturen gegeben, die dazu führten, dass manche Zeichenketten in ~~verschiedenen~~ Versionen ~~verschiedene~~ Normalformen besaßen.		Ab der Version 4.1 wird zusätzlich garantiert, dass sich auch die Normalisierung selbst nicht ändert. Davor hatte es einige Korrekturen gegeben, die dazu führten, dass manche Zeichenketten in unterschiedlichen Versionen unterschiedliche Normalformen besaßen.

	Für Anwendungen, die auch über diese Versionsgrenze hinweg absolute Stabilität benötigen, gibt es einfache Algorithmen, um zwischen den ~~unterschiedlichen~~ Normalisierungen zu wechseln.		Für Anwendungen, die auch über diese Versionsgrenze hinweg absolute Stabilität benötigen, gibt es einfache Algorithmen, um zwischen den Normalisierungen zu wechseln.

	== Anwendungen ==		== Anwendungen ==