UTF-8下显示相同的Thành在ANSI下为何不同？如何统一？

原因分析 #

这两个视觉上相同的“Thành”，本质是Unicode标准中两种等价但编码不同的字符表示形式：

• 其中一个是预合成字符：把字母a和重音符号合并为单个Unicode码点U+1EA1（对应“ầ”），整个单词的UTF-8编码为E1 BA A1，切换到ANSI（通常是Windows-1252编码）时，UTF-8字节被错误解析为à，所以显示为Thành。
• 另一个是组合字符序列：由普通字母a（U+0061）加上独立的重音符号U+0300（ grave accent）组成，UTF-8编码为61 CC 80，用ANSI打开时，这部分字节被解析为Ì€，所以显示为Thành。

UTF-8模式下Notepad++会将这两种形式渲染为相同的视觉效果，但默认搜索是精确字节/码点匹配，因此会判定为不同内容，只能找到一个结果。

统一操作方法 #

方法1：直接替换为预合成字符 #

1. 确保文档编码为UTF-8（菜单栏：编码 → 转为UTF-8编码）。
2. 打开查找替换对话框（快捷键Ctrl+H）。
3. 复制那个无法被搜索到的“Thành”到「查找目标」，复制能被搜到的“Thành”到「替换为」。
4. 点击「全部替换」即可统一。

方法2：开启Unicode等价匹配搜索/替换 #

1. 在查找替换对话框的「查找」标签下，点击「更多」按钮。
2. 勾选「匹配Unicode等价」选项。
3. 此时搜索“Thành”会同时找到两个结果，直接替换即可完成统一。

方法3：正则表达式归一化 #

1. 保持文档UTF-8编码，在查找替换中切换到「正则表达式」模式。
2. 「查找目标」输入：a\x{0300}
3. 「替换为」输入：\x{1EA1}
4. 点击「全部替换」，即可将所有组合形式的“a+重音”转为预合成的“ầ”。

内容的提问来源于stack exchange，提问作者user2877989