Perl中fc()函数大小写折叠结果与预期不符的原因排查

你的Perl代码中fc()的输出是符合Unicode标准的，ChatGPT给出的预期结果并不正确。

为什么会返回i̇？ #

Unicode官方的大小写折叠规则里，字符İ（U+0130，拉丁大写字母I带点）的标准折叠结果就是i̇（由U+0069小写i和U+0307组合点构成）。这是因为在土耳其语、阿塞拜疆语等语言体系中，i（带点小写）和ı（无点小写）是两个独立字母，对应大写分别为İ和I。Perl的fc()函数严格遵循Unicode的官方映射规则，因此会返回带组合点的结果。

如何得到不带点的i？ #

如果需要忽略语言特定规则，得到通用的小写i，可以用以下两种方法：

方法1：用Unicode归一化过滤组合点 #

借助Unicode::Normalize模块分解字符后移除组合点，兼容性最好：

use feature 'fc';
use utf8;
use open ':std', ':encoding(UTF-8)';
use Unicode::Normalize;

my $char = "İ";
my $folded = fc($char);
# 分解为基础字符+组合标记，过滤掉组合点
my $result = NFKD($folded);
$result =~ s/\x{0307}//g;

print "处理后结果: $result\n";
print "Hex值: ", sprintf("%02X", ord($result)), "\n";

方法2：设置通用locale #

通过设置非土耳其语的UTF-8 locale（如en_US.UTF-8），部分环境下会改变折叠行为，但依赖系统locale支持：

use feature 'fc';
use utf8;
use open ':std', ':encoding(UTF-8)';
use POSIX qw(setlocale LC_CTYPE);

# 设置locale为英文UTF-8
setlocale(LC_CTYPE, 'en_US.UTF-8');

my $char = "İ";
my $folded = fc($char);

print "fc(İ): $folded\n";

内容的提问来源于stack exchange，提问作者Timson