Unicode正規化の種類

変換前の文字列 (Edge 129 で確認)

code:origin.js

s = "ががｶﾞ１1ａa".split("")

NFC - Normalization Form Canonical Composition

code:nfc.js

s = "ががｶﾞ１1ａa".normalize("NFC").split("")

全角/半角はそのまま

全角カタカナの濁点/半濁点が合成される。半角カタカナは合成されない

NFD - Normalization Form Canonical Decomposition

code:nfd.js

s = "ががｶﾞ１1ａa".normalize("NFD").split("")

全角/半角はそのまま

濁点/半濁点が分解される

NFKC - Normalization Form Compatibility Composition

code:nfkc.js

s = "ががｶﾞ１1ａa".normalize("NFKC").split("")

半角カタカナは全角カタカナに、全角英数は半角英数に変換される

濁点/半濁点が合成される

NFKD - Normalization Form Compatibility Decomposition

code:nfkd.js

s = "ががｶﾞ１1ａa".normalize("NFKD").split("")

半角カタカナは全角カタカナに、全角英数は半角英数に変換される

濁点/半濁点が分解される

その他

Apache Lucene の CjkWidth フィルタは「半角カタカナ→全角カタカナ」「全角英数→半角英数」に変換するが、該当フィルタのドキュメントに「NFKC/NFKD に対する事実上のサブセットと言える」と書かれている

NFKD/NFKC は全角カタカナ/半角英数への変換を行うと断言してもよさそうかも

ElasticSearch の公式記事では NFKC が使われている

参考

macOSのファイルシステムHFS+ではNFDの変種が用いられる（U+2000〜U+2FFF、U+F900〜U+FAFF、U+2F800〜U+2FAFFは分解されない）。