From d66f0faac0937b0db24d1a4224fe8d03cbd043d6 Mon Sep 17 00:00:00 2001
From: ruanyf <yifeng.ruan@gmail.com>
Date: Sun, 23 Nov 2014 08:29:46 +0800
Subject: [PATCH] =?UTF-8?q?=E4=BF=AE=E6=94=B9string/normalize?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

---
 docs/string.md | 60 +++++++++++++++++++++++++++++++++++++++++++++-----
 1 file changed, 55 insertions(+), 5 deletions(-)

diff --git a/docs/string.md b/docs/string.md
index 0f8f369..288fecc 100644
--- a/docs/string.md
+++ b/docs/string.md
@@ -2,7 +2,7 @@
 
 ES6加强了对Unicode的支持，并且扩展了字符串对象。
 
-## codePointAt方法
+## codePointAt()
 
 JavaScript内部，字符以UTF-16的格式储存，每个字符固定为2个字节。对于那些需要4个字节储存的字符（Unicode编号大于0xFFFF的字符），JavaScript会认为它们是两个字符。
 
@@ -72,13 +72,16 @@ JavaScript允许采用“\uxxxx”形式表示一个字符，其中“xxxx”表
 
 上面代码表示，如果直接在“\u”后面跟上超过0xFFFF的数值（比如\u20BB7），JavaScript会理解成“\u20BB+7”。由于\u20BB是一个不可打印字符，所以只会显示一个空格，后面跟着一个7。
 
-ES6对这一点做出了改进，只要将超过0xFFFF的编号放入大括号，就能正确解读该字符。
+ES6对这一点做出了改进，只要将Unicode编号放入大括号，就能正确解读该字符。
 
 ```javascript
 
 "\u{20BB7}"
 // "𠮷"
 
+"\u{41}\u{42}\u{43}"
+// "ABC"
+
 ```
 
 ## 正则表达式的u修饰符
@@ -112,7 +115,7 @@ ES6新增了使用大括号表示Unicode字符，这种表示法在正则表达
 
 ```
 
-上面代码表示，如果不加u修饰符，正则表达式无法识别\u{61}这种表示法，只会认为这匹配属61个连续的u。
+上面代码表示，如果不加u修饰符，正则表达式无法识别`\u{61}`这种表示法，只会认为这匹配属61个连续的u。
 
 **（3）量词**
 
@@ -129,7 +132,7 @@ ES6新增了使用大括号表示Unicode字符，这种表示法在正则表达
 
 **（4）预定义模式**
 
-u修饰符也影响到预定义模式，正确识别大于\uFFFF的Unicode字符。
+u修饰符也影响到预定义模式，能否正确识别大于\uFFFF的Unicode字符。
 
 ```javascript
 
@@ -167,7 +170,54 @@ codePointLength(s) // 2
 
 ```
 
-上面代码中，不加u修饰符，就无法识别非正规的K字符。
+上面代码中，不加u修饰符，就无法识别非规范的K字符。
+
+## normalize()
+
+为了表示语调和重音符号，Unicode提供了两种方法。一种是直接提供带重音符号的字符，比如Ǒ（\u01D1）。另一种是提供合成符号（combining character），即原字符与重音符号的合成，两个字符合成一个字符，比如O（\u004F）和ˇ（\u030C）合成Ǒ（\u004F\u030C）。
+
+这两种表示方法，在视觉和语义上都等价，但是JavaScript不能识别。
+
+```javascript
+
+'\u01D1'==='\u004F\u030C' //false
+
+'\u01D1'.length // 1
+'\u004F\u030C'.length // 2
+
+```
+
+上面代码表示，JavaScript将合成字符视为两个字符，导致两种表示方法不相等。
+
+ES6提供String.prototype.normalize()方法，用来将字符的不同表示方法统一为同样的形式，这称为Unicode正规化。
+
+```javascript
+
+'\u01D1'.normalize() === '\u004F\u030C'.normalize() 
+// true
+
+```
+
+normalize方法可以接受四个参数。
+
+- NFC，默认参数，表示“标准等价合成”（Normalization Form Canonical Composition），返回多个简单字符的合成字符。所谓“标准等价”指的是视觉和语义上的等价。
+
+- NFD，表示“标准等价分解”（Normalization Form Canonical Decomposition），即在标准等价的前提下，返回合成字符分解的多个简单字符。
+
+- NFKC，表示“兼容等价合成”（Normalization Form Compatibility Composition），返回合成字符。所谓“兼容等价”指的是语义上存在等价，但视觉上不等价，比如“囍”和“喜喜”。
+
+- NFKD，表示“兼容等价分解”（Normalization Form Compatibility Decomposition），即在兼容等价的前提下，返回合成字符分解的多个简单字符。
+
+```javascript
+
+'\u004F\u030C'.normalize(NFC).length // 1
+'\u004F\u030C'.normalize(NFD).length // 2
+
+```
+
+上面代码表示，NFC参数返回字符的合成形式，NFD参数返回字符的分解形式。
+
+不过，normalize方法目前不能识别三个或三个以上字符的合成。这种情况下，还是只能使用正则表达式，通过Unicode编号区间判断。
 
 ## contains(), startsWith(), endsWith()