仕様と根拠

4 つの形式

Unicode の UAX #15 は、NFD を正準分解、NFC を正準分解のあとに正準合成、NFKD を互換分解、NFKC を互換分解のあとに正準合成と定義しています(1.2・Table 1)。たとえば é(U+00E9)は NFD で e(U+0065)と結合アクセント(U+0301)に分かれ、NFC で再び 1 文字に戻ります。

互換分解の注意

K を含む形式(NFKC・NFKD)は、丸囲み数字、合字、半角カナ、全角英数字などを通常の文字に置き換えます。UAX #15 は、これらが書式の区別を消すため、任意の文章に盲目的に適用してはならないとしています。ツールは、K 系を選んだときに警告で知らせます。

差分の出し方

文章を「基本の文字 + それに続く結合文字・濁点」のまとまりに分け、まとまりごとに選んだ形式へ変換して、変わったものだけを位置とコードポイントつきで表にします。半角カナと半角の濁点はまとまりとして扱うので、ｶﾞ(U+FF76 U+FF9E)は NFKC でガ(U+30AC)になる様子が 1 行で見えます。

根拠にした仕様・資料

指摘の段階

• エラー: 仕様に反していて、正しく読めない・処理できない入力です。
• 警告: 読めるものの、仕様の推奨に反する・矛盾する・意図と違う結果になりやすい入力です。
• 情報: 誤りではありませんが、知っておくとよい扱い(読み飛ばした部分や解釈)です。

入力の扱い(送信しない仕組み)

処理はすべてお使いのブラウザの中で行います。処理の本体はこのサイトから配信する小さなスクリプト(/app.js)で、外部のサービスやライブラリを読み込みません。ページはブラウザに通信を禁止させる設定(Content-Security-Policy の connect-src)つきで配信しており、入力した内容がサーバーや第三者へ送られることはありません。ファイルを選んだ場合も、端末の中で読み込むだけです。

このツールでできないこと(制約)

• 結合文字のまとまりの切り方は簡易的で、ハングルの字母や一部の複雑な並びでは、差分表の区切りが厳密でないことがあります。変換後の文章は文章全体を変換した正しい結果です。
• 正規化は文字の同一視であり、見た目の違い(全角と半角の幅など)をなくす処理ではありません。K 系は意味や書式が失われることがあります。
• ファイル名の正規化の違い(OS ごとの扱い)を再現する機能ではありません。
• 表のコードポイントは、文字の並びを U+ で表したものです。文字の名称は表示しません。