Selon la FAQ d'unicode.org, les pires coefficients en terme de taille requise par rapport à la chaîne d'origine sont :

• NFC : 3 fois (UTF-8, UTF-16 et UTF-32)
• NFD : 3 fois (UTF-8), 4 fois (UTF-16 et UTF-32)
• NFKC et NFKD : 11 fois (UTF-8), 18 fois (UTF-16 et UTF-32)

Propriétés :

• Un texte ASCII (non-étendu - caractères [0-0x7F] uniquement) reste inchangé quelle que ce soit la forme
• Un texte ISO-8859-1 est NFC

Enumération FormeNormalisation {
   NFC,
   NFKC,
   NFD,
   NFKD
}

Enumération ResultatNormalisation {
    YES,
    NO,
    MAYBE
}

fonction getCanonicalClass(entier codePoint): entier

fonction isAllowed(entier codePoint): ResultatNormalisation


fonction quickcheck(chaîne source, FormeNormalisation forme): ResultatNormalisation
    début
        resultat <- YES
        derniereClasseCanonique <- 0

        pour chaque point de code, cp, dans source faire
            classeCanonique <- getCanonicalClass(cp)
            si derniereClasseCanonique > classeCanonique ou classeCanonique != 0 alors
                return NO
            fsi
            check <- isAllowed(cp)
            si check = NO
            alors
                return NO
            sinon
                si check = MAYBE
                alors
                    resultat <- MAYBE
                fsi
            fsi
        fpour

        retourner resultat
    fin

Pour l'implémentation de getCanonicalClass, la classe canonique s'obtient en parsant UnicodeData.txt. C'est la valeur numérique correspondant au 4ème champ (champ = découpage de la ligne sur le caractère ';'). La valeur numérique correspond à :

Quant à savoir si le point de code est "valide" pour la forme demandée (implémentation de isAllowed), il faut parser le fichier DerivedNormalizationProps.txt à la recherche des lignes de motif :

; NFK?[CD]_QC; [MN]

Il s'agit des propriétés de quick check (QC) pour chaque forme (NFC, NFKC, NFD, NFKD). Le M attribue la valeur Maybe au point de code ; N, la valeur NO. Les points de code qui n'y figurent pas, ont valeur Y (YES).

Dès lors, une (première) implémentation de la fonction quickcheck, basée sur des tables de hachages, ou similaire, est possible. Pour créer ses hashtables, il faudra préalablement parser les fichiers.

L'implémentation en D de isAllowed, associe l'éventuel point de code à une valeur non signée de 8 bits, étant donné qu'on a 4 formes (NFC, NFKC, NFD, NFKD) et 3 valeurs à coder pour chacune (YES, NO, MAYBE). On a ce schéma :

11 22 33 44

• les bits 1 pour NFKC
• les bits 2 pour NFC
• les bits 3 pour NFKD
• les bits 4 pour NFD

Et les valeurs :

• 0 (00) ⇔ YES
• 1 (01) ⇔ MAYBE
• 2 (10) ⇔ NO

Les points de code ne figurant pas dans le tableau associatif filters ont valeur YES (pour toutes les formes).

X

X

X