遍历含重音字符的字符串时，如何将拆分的重音字符作为整体获取？

问题根源 #

你遇到的问题是因为部分带重音的字符以组合字符序列形式存在（比如x + 独立的重音符U+0301），而非预合成的单个Unicode字符（比如ẋ）。遍历字符串时，组合序列会被拆分成多个代码单元，导致无法匹配Accents数据库中的条目。

解决方案 #

通过Unicode规范化将组合字符序列合并为单个预合成字符，再用正确的遍历方式处理字符串：

1. 使用String.normalize('NFC')规范化字符串
   NFC（Normalization Form C）格式会自动将可合并的组合字符序列转换为对应的预合成单个字符，让拆分的重音字符变成和ẋ一样的独立字符。
2. 改用for...of循环遍历
   for...in遍历的是字符串索引，会拆分组合序列；for...of则能正确识别每个完整的Unicode字符。

修改后的代码 #

let Accents= { 
    /*...*/
    'x': [
            ["x", 0], 
            ["ẍ", 1], // 组合序列x+U+0301经NFC规范化后会转为该预合成字符
            ["̂x̂", 2], 
            ["ẍ", 2], 
            ["̌x̌", 2], 
            ["ẋ", 1], 
            ["̧x̧", 1],
            ["̱x̱", 1], 
            ["̣x̣", 1], 
            ["ᶍ", 2] 
        ],
     /*...*/
}

$("button").on("click", function(){
  const text = $(".text").text().normalize('NFC');
  for (const char of text) {
    console.log(char);
  }
})

额外说明 #

如果Accents数据库中仍保留组合序列格式的条目，可将数据库内的所有字符也统一用normalize('NFC')处理，确保两边格式一致，匹配逻辑不会出错。

内容的提问来源于stack exchange，提问作者Luis Gallego