Normaliseur Unicode - NFC, NFD, NFKC, NFKD et Suppression des Accents
Normaliseur Unicode
Réparez les textes qui semblent identiques mais ne le sont pas : accents composés ou décomposés, ligatures et caractères invisibles
Les Quatre Formes
Convertissez en NFC, NFD, NFKC ou NFKD en un clic et voyez dans quelles formes votre texte se trouve déjà.
Options de Nettoyage
Retirez les accents pour obtenir des lettres simples, supprimez les caractères de largeur nulle et les traits d’union conditionnels, et transformez les espaces insécables en espaces normales.
Comparez les Sosies
Vérifiez si deux chaînes d’apparence identique sont vraiment les mêmes et voyez exactement quels points de code diffèrent.
Chaque Point de Code
Un tableau liste chaque point de code avec ses octets UTF-8 et sa catégorie Unicode, pour repérer facilement les caractères cachés.
Pourquoi un Texte Identique à l’Œil ne l’Est Pas
Unicode permet souvent d'écrire le même caractère visible de plusieurs façons. La lettre é peut être un seul point de code (U+00E9) ou un e suivi d'un accent aigu combinant (U+0065 U+0301). Les deux s'affichent de la même manière, mais un programme qui les compare octet par octet les déclare différents. Cela fausse les recherches, la détection des doublons, les noms de fichiers, les requêtes de base de données et la comparaison de mots de passe ; macOS et Windows stockent d'ailleurs souvent le même nom de fichier sous des formes différentes.
La normalisation ramène toutes les écritures équivalentes à une forme standard. NFC compose les caractères et c'est ce qu'attendent la plupart des logiciels pour le web et les bases de données. NFD les décompose. Les formes K (NFKC, NFKD) ramènent en plus les sosies de compatibilité : la ligature fi devient fi, les lettres pleine chasse deviennent des lettres ordinaires et le ① devient 1. C'est utile pour rechercher et comparer des identifiants, mais cela perd de l'information : ne l'utilisez pas sur un texte à conserver à l'identique. Les options de nettoyage suppriment les caractères de largeur nulle, cause fréquente de chaînes qui semblent égales sans l'être.
Points Clés
- Comparé à Python : Les quatre formes et la suppression des accents ont donné des résultats identiques à unicodedata de Python sur des milliers de chaînes de test.
- NFC est le choix sûr : Utilisez NFC pour stocker et échanger. N’utilisez NFKC que pour comparer et rechercher.
- Les liants de largeur nulle comptent : Supprimer U+200C et U+200D peut casser des séquences d’emojis et l’écriture de certains alphabets : laissez cette option désactivée pour de tels textes.