题目与使用场景
两个字符串视觉上相同，却在数据库唯一约束、搜索或文件名比较中不相等。请解释组合字符与预组字符、规范化四种形式、输入与存储边界，并说明为什么规范化不能代替大小写折叠、语言规则或安全策略。
面试官考察什么
- 是否理解规范等价与兼容等价，而不是只记缩写。
- 能否按业务语义选择 NFC、NFD、NFKC 或 NFKD。
- 是否考虑 Unicode 版本、数据库排序规则、索引和跨系统一致性。
- 能否指出规范化可能丢失排版或兼容字符信息的风险。
作答前的澄清问题
先确认字段是展示文本、登录标识、搜索键、文件名还是安全敏感标识；确认语言、大小写、Unicode 版本、数据库排序规则和是否需要保留原文。不同字段可以保留原文并另存规范化比较键。
30 秒回答框架
Unicode 允许同一可见文本由不同码点序列表示。NFC 做规范分解后再组合，NFD 做规范分解；NFKC 和 NFKD 额外处理兼容等价，可能把外观相近但语义不同的字符折叠。一般文本常用 NFC；兼容折叠只应在明确接受信息损失时使用。规范化结果应固定 Unicode 版本并与大小写折叠、脚本和安全检查分开。
分步骤深入解答
1. 规范等价与组合
预组字符和基字符加组合标记可能视觉相同，属于规范等价。NFD 将它们拆开，NFC 再按规范组合。规范化应满足幂等性：同一形式再次处理不会继续改变结果。
2. 兼容等价的代价
NFKD 先做兼容分解，NFKC 再组合。例如某些字体变体、全角形式或装饰字符可能被映射到基础表示。它适合搜索或宽松比较的明确场景，不应默认用于密码、法律文本或必须保留原貌的内容。
3. 存储与安全边界
可保存原始输入，同时生成版本化的规范化键用于比较。唯一性检查、搜索分词、大小写折叠和脚本混淆检测应分别定义。对登录名、域名或权限标识，必须遵循该协议和安全规范，不要自行把 NFKC 当作完整防护。
高质量示范回答
我会先区分展示值和比较值。Unicode 允许预组字符与组合序列表达同一规范等价文本，所以直接按码点比较会产生假不一致。NFD 做规范分解，NFC 再组合；NFKD/NFKC 还处理兼容等价，可能牺牲字体或格式信息。普通文本通常选择 NFC，并固定实现支持的 Unicode 版本；搜索键可以在明确需求下使用 NFKC，再结合大小写折叠和语言规则。系统保留原文，另外存规范化键与版本，数据库唯一索引使用后者。对密码、签名、审计原文和安全标识，我不会未经协议规定就做兼容折叠，而会执行该场景的规范与混淆检查。测试包括不同组合顺序、重复规范化、跨语言输入、版本升级和数据库排序规则差异。
常见错误
- 说 NFC 和 NFKC 完全等价。
- 把规范化当作大小写折叠、转写或去除重音。
- 对所有字段无条件使用 NFKC，导致兼容字符信息丢失。
- 只在应用层规范化，忽略数据库索引和其他服务的版本。
- 把视觉相同直接当作安全上等同，忽略脚本混淆。
追问及应对
为什么不能只保存规范化后的字符串？
展示、审计或法律场景可能需要原始输入；保留原文并存比较键可避免不可逆转换影响用户体验，同时支持稳定唯一性检查。
Unicode 版本升级会破坏唯一约束吗？
可能改变未分配码点或规范数据处理。记录规范化版本，升级前离线重算比较键并检查冲突，再分阶段切换索引。
规范化能解决同形异义字符攻击吗？
不能完全解决。规范化处理特定等价关系，还需要脚本限制、混淆检测、协议规定的标识符配置文件和安全审查。