拼音字母看起来一样却匹配不上:制作卡片前怎样核对组合字符

2026-10-24 学科辅导

从两处复制的“ǚ”看起来可能一样,原始字符串却不相等:一份是单个码点U+01DA,另一份是字母u后接U+0308与U+030C两个组合符。本页不讨论这个音怎么读,而是给制作拼音卡片的成人一份数据核对页,先留原文,再建立可比较的NFC副本,不把复制差异算作孩子拼写错误。

用码点表确认正在比较什么

第一条输入为ǚ,码点序列只有U+01DA;第二条为u加组合分音符、组合抑扬符,序列是U+0075、U+0308、U+030C。Python逐码点比较原始串,结果为不相等,但二者具有本页所用的规范等价关系。Unicode UAX #15区分规范分解NFD与规范组合NFC,不能把“看起来一样”当作原始字节或码点已经相同的证明。

第三、四条把同样差异放到nǚ里,分别是U+006E、U+01DA和U+006E、U+0075、U+0308、U+030C。码点数分别二与四,但这不是两字母对四字母的教学结论,更不是练习纸该占几格的答案。字形布局与编辑行为还涉及软件,本页不保证某个字体显示完全一致,也不承诺退格一次删掉什么。

原文不覆盖,成品另存副本

数据栏保留raw、nfc、nfd三个字段。对给定四条输入做NFC,前两条都得到ǚ,后两条都得到nǚ;做NFD,前两条都得到u后接两个组合符,后两条多一个开头n。先保存raw再写nfc,既能在比对时统一规范形式,也能在出现问题时追回原始来源,不能把规范化当成悄悄改写原文的理由。

可用Python标准库离线核对,不需要调用网站或自动注音服务:

import unicodedata as ud

raw = "ǚ"
copy = ud.normalize("NFC", raw)
assert copy == "ǚ"
assert ud.normalize("NFC", copy) == copy
assert ud.normalize("NFD", copy) == ud.normalize("NFD", raw)
print([f"U+{ord(c):04X}" for c in raw])
print([ud.combining(c) for c in raw])

代码核幂等性,即同一种规范化重复应用不再改变本例结果;另核规范分解一致,确保规范化没有把两点或调号丢掉。本地参考码点输出为U+0075、U+0308、U+030C,组合类为0、230、230。ud.combining只在样例中显示组合类,不能拿返回值替代读音或字母个数判断。

不用删调号冒充修复

把nǚ变成nu,字符串虽然更容易匹配,却丢失了原有信息;其NFD结果与原文不同,不是本页接受的规范等价处理。也不要全局删除组合符,或把NFKC等其他处理混进来而不说明目的。这里仅核NFC与NFD的给定样例,不执行分词、拼音纠错或读音选择;有关ü本身的教学规则另见ü两点说明。

导出前再查文本与显示两层

配套页同时给原文码点、NFC和NFD,并保存可独立重算的JSON。离线验证四条输入的规范等价、原始不等、幂等及分解保真,使用本机unicodedata版本记录结果;它不证明浏览器、PDF字体或编辑器行为。若文本通过而显示异常,应保留原串查呈现环境,不能删除调号来迁就画面,也不能由一次匹配失败评价儿童学习情况。

样张与核对依据

可打开本篇原创A4练习与参考页,用浏览器另存PDF;独立答案数据保留本题输入与参考结果。样张不依赖外部字体或脚本。本批实际完成的是本地离线复算及静态文件检查,未进行实体打印。

  • 来源1:Unicode规范等价、组合序列及NFC/NFD规范化的区别;不据此保证字体渲染或编辑器行为。
  • 来源2:normalize与combining接口,用于本地给定样例,不引用3.15新增分词接口。

这个页面有问题?

提交时会附带当前页面地址和浏览器信息,帮助我们定位问题。不填联系方式即为匿名。