【ゆにこーどせいきか】

Unicode正規化とは？

最終更新: 2026年10月8日

💡 同じ文字の別表現をそろえる「文字列の整頓」

Unicodeで等価と定められた文字列を、決められた共通の形にそろえる処理。見た目が同じでも内部の並びが違う文字列を比較しやすくします。

📌 このページのポイント

上段の数値はUnicodeのコードポイント。正規化形式は、比較や保存の目的に合わせて選びます。

ひよこ

同じ「が」なのに、文字列が一致しないことがあるの？

ペンギン先生

あるよ。「が」1つのコードポイントで表す方法と、「か」に結合用の濁点を続ける方法があるんだ。見た目は同じでも、そのまま内部の並びを比較すると一致しない場合があるね。

ひよこ

どうやってそろえるの？

ペンギン先生

NFCなら、この例ではU+304BとU+3099の2つを、U+304Cの1つにそろえられるよ。逆にNFDなら「が」を分解した表現にするんだ。そろえる形式を両方の文字列で同じにしてから比べようね。

ひよこ

NFKCというのも同じようなもの？

ペンギン先生

NFKCは互換等価も扱うので、たとえば「①」を「1」に変えるよ。NFCならこの違いは残るんだ。検索で便利な場合はあっても、元の表記の区別が必要な文章に無条件で使うと情報を失うね。

ひよこ

正規化すれば、似た文字を全部まとめられるの？

ペンギン先生

そういう処理ではないよ。Unicodeが等価と定めた関係に従うので、似て見えるだけの別文字が何でも一致するわけではないんだ。それに、正規化済みの2つの文字列を連結した結果が、同じ正規形とは限らない点にも気をつけよう。

まとめ：ざっくりこれだけ覚えればOK！

「Unicode 正規化」って出てきたら「等価な文字列を、同じ内部表現にそろえる処理」と思えばだいたいOK！

📖 おまけ：英語の意味

「Unicode Normalization」＝ Unicode文字列を正規の形にそろえること

💬 normalizationは一定の形にそろえることで、ここではUnicodeが定めた規則を使うんだよ

参考資料