如何将两个代码点组合为一个

Question

我知道Á的unicode代码点是U+00C1。我在网上和很多论坛上读到，我也可以通过组合字符´(unicode:U+00B4)和A(unicode=U+0041)来制作Á。

我的问题很简单。怎么做？我试过这样的东西我决定在golang中尝试，但如果有人知道如何在python(或其他编程语言)中进行，那就完全可以了。这对我来说并不重要。

好吧，所以我下一步试试。

二进制中的A为：01000001

二进制中的´为：10110100

它总共需要15位，所以我需要UTF-8 3字节格式(1110xxxx 10xxxxxx 10xxxxxx)

通过在x的位置填充来自A和´(第一个A)的比特，得到以下内容：11100100 10000110 10110100。

然后，我将得到的三个字节转换回十六进制值：E4 86 B4。

然而，当我尝试用代码编写它时，我得到了一个完全不同的字符。换句话说，我的解决方案并没有像我预期的那样起作用。

package main
import (
"fmt"
)
func main() {
r := "xE4x86xB4"
fmt.Println(r) // It wrote 䆴 instead of Á
}

Answer 1

您提供的´(U+00B4)字符实际上并不是Unicode定义的组合字符。

>>> "Au00b4"
'A´'

如果我们使用◌́(U+0301)，那么我们可以将它与A这样的字符按顺序放置，并获得预期的输出：

>>> "Au0301"
'Á'

除非我误解了你的意思，否则这里似乎不需要任何二进制操作或欺骗。

Answer 2

正如StardustGogeta在他们的答案中解释的那样；急性；重音为U+0301(组合用锐音符)。

但在Go中，由单个U+00C1(带锐音符的拉丁文大写字母a)字符组成的字符串不等于由U+0041(拉丁文大写字母B)后跟U+0301(组合用锐音符)组成的字符串

如果你想比较字符串，你需要将两者规范化为相同的规范化形式。有关更多详细信息，请参阅Go中的博客文章文本规范化。

下面的代码片段展示了如何做到这一点：

package main
import (
"fmt"
"golang.org/x/text/unicode/norm"
)
func main() {
combined := "u00c1"
combining := "Au0301"
fmt.Printf("combined = %s, combining = %sn", combined, combining)
fmt.Printf("combined == combining: %tn", combined == combining)
combiningNormalised := string(norm.NFC.Bytes([]byte(combining)))
fmt.Printf("combined == combiningNormalised: %tn", combined == combiningNormalised)
}

输出：

combined = Á, combining = Á
combined == combining: false
combined == combiningNormalised: true