直接调用 string.Normalize() 默认执行 NFC 转换，传入 NormalizationForm.FormD 可转为 NFD；该操作必须在正确解码（如 Encoding.UTF8）为字符串后进行，不能跳过读取直接原地归一化文件。
怎么用 string.Normalize() 做 NFC/NFD 转换
直接调用 string.Normalize() 就行，它默认是 NFC，传 NormalizationForm.FormD 就是 NFD。注意：这个方法只对 string 有效，不是对文件直接操作——你得先读出来、转换、再写回去。
常见错误是以为 File.ReadAllText() 会自动归一化，其实不会；或者读完直接 .Normalize() 却忘了指定编码，导致乱码（比如 UTF-8 文件用默认编码读，可能丢掉 BOM 或误判）。
- 读文件时显式指定
Encoding.UTF8（哪怕有 BOM） - 转换后写入也用
Encoding.UTF8，避免隐式编码切换 -
Normalize()不改变字符串长度逻辑（比如 “é” 在 NFC 是单个字符，在 NFD 是'e'+'\u0301'），做索引、正则或比较前要确认归一化状态
示例：
var text = File.ReadAllText("input.txt", Encoding.UTF8);<br>var normalized = text.Normalize(NormalizationForm.FormC); // NFC<br>File.WriteAllText("output.txt", normalized, Encoding.UTF8);
为什么不能跳过读取直接“原地归一化”文件
文件是字节流，Unicode 归一化是基于字符语义的操作，必须解码成 string 才能执行。没有 API 能绕过内存加载直接改磁盘上的 Unicode 形式——即使文件很大，你也得流式分块处理，否则 OOM。
容易踩的坑：FileStream + StreamReader 配合 Normalize() 时，别用 ReadLine() 后直接 Normalize，因为换行符位置可能影响组合字符边界（尤其含 ZWJ/ZWNJ 的文本）；更稳妥的是按段落或固定 buffer 读取 char[]，再拼成 string 归一化。
- 大文件务必用
StreamReader.ReadBlock()或ReadLine()+ 缓冲合并，避免单次读整个文件 - 别在归一化前做 substring 截断——可能把组合字符拆开，导致
Normalize()行为异常 - 如果文件含混合编码（如部分 Latin-1），
Normalize()会抛ArgumentException，需提前过滤或容错
NormalizationForm.FormC 和 FormD 实际差异在哪
NFC 是“预组合”，比如 “café” 中的 é 用单个 \u00e9；NFD 是“分解”，é 拆成 e + \u0301（重音符号）。多数现代系统（Windows 文件名、.NET 字符串比较、HTTP 头）默认期望 NFC；但某些国际化处理（如拼音生成、模糊搜索、字体渲染）需要 NFD 才能准确分离基字和修饰符。
性能上，FormC 通常更快（合并操作少），FormD 可能触发更多字符映射查表；兼容性上，.NET 6+ 对所有 Unicode 版本支持一致，但旧版（如 .NET Framework 4.7.2）对新增字符（如 emoji 序列）的归一化行为可能不完整。
- Web API 输入校验建议用
FormC统一入库，避免同一词不同码位存多次 - 做文本 diff 或编辑器高亮时，用
FormD更易定位修饰符变化 -
string.Equals(a, b, StringComparison.Ordinal)在未归一化时可能返回 false，即使语义相同
读写时编码和归一化顺序搞反了会怎样
典型错误：用 Encoding.Default 读文件 → 得到错误 string → 再 .Normalize() → 写回 UTF-8。结果是“归一化”了错误解码后的垃圾数据，原始语义已丢失，不可逆。
真正关键的顺序只有两个环节：① 解码必须正确（UTF-8/BOM/无 BOM 显式声明）；② 归一化必须在解码后、任何业务处理前完成。中间插任何字符串操作（Trim、Replace、Regex）都可能破坏组合字符结构。
- 检查文件是否带 BOM：用
File.ReadAllBytes()看前3字节是不是0xEF, 0xBB, 0xBF - 写文件时加 BOM 可选，但若目标系统（如某些 Windows 工具）依赖 BOM 判断编码，就用
new UTF8Encoding(true) - 归一化不是万能清洗：它不处理全角/半角、不同破折号（– vs —）、或形近字（ｌｏｗｅｒｃａｓｅ Ｌａｔｉｎ），那些得额外规则
事情说清了就结束：归一化本身很简单，难的是确保它发生在正确的解码之后、且不被其他字符串操作污染。一旦读错了编码，后面全白搭。
