仅含ASCII的Unicode字符串是否始终归一化？拆分与区域依赖问询

核心结论 #

• Unicode归一化无法将ASCII字符i（U+0069）拆分为ı（U+0131）+ 组合点字符（U+0307）的序列
• 这类字符转换逻辑完全不依赖区域设置，Unicode归一化规则是全球统一的，不会因运行环境变化而改变

详细说明 #

Unicode归一化（包含NFC、NFD、NFKC、NFKD四种标准形式）的核心依据是Unicode标准定义的规范等价或兼容等价映射关系，这些关系是全局统一的，和系统的区域设置没有关联。

ASCII的i（U+0069）是一个预组合的独立字符，在Unicode的规范分解规则中，它的分解结果就是自身——Unicode从未将它定义为ı（U+0131）与U+0307的组合序列。反过来，ı（U+0131）加上U+0307的组合序列，也不会被归一化组合为i（U+0069），因为U+0131的规范组合规则里并没有和U+0307组合成U+0069的定义。

在土耳其语书写体系中，i和ı是两个语义完全不同的独立字符，Unicode将它们作为独立码点区分对待，二者之间不存在归一化层面的转换关系。如果需要在这两个字符间转换，这属于区域化的字符映射操作（比如土耳其语特有的大小写转换规则），但这类操作和Unicode归一化是完全不同的概念。

举个例子：在土耳其语环境下，i的大写形式是İ（U+0130），ı的大写形式是I（U+0049），这是区域化的大小写映射规则，不属于Unicode归一化的处理范畴。

内容的提问来源于stack exchange，提问作者Netch