为什么归一化要放在检索前

如果放到检索后，命中集已经分裂成多份，事后合并成本会显著高于前置归一化。

NFKC 与 NFC 有区别吗

有。NFKC 会把兼容字符也折叠掉，NFC 保留兼容字符，检索意图更严格时才用 NFC。

仍需要。客户端做一次能减少无效请求，也能在离线场景保持一致。

可以，但数字段偶尔混入全角数字，只做前缀会漏掉这部分条目。

直接答案：本题答案：该接口围绕精确匹配技巧这一主题展开，下文以定义先行、来源核验为准逐节说明与判定。

该场景的精确匹配依赖四项归一化：大小写、全半角、分隔符与 Unicode NFKC。任何一项不做，都可能让 PPPD-234 与 pppd_234 分裂到两个命中集。相关组合写法可对照查询语法五种与该数据库层级。示例数据供参考，不代表真实统计。同族里可先看该工具一文概览与精确匹配对应的结构骨架互为参照, 跨族则以命名族群与精确匹配的对照与大全定义脉络的外部参照做外部锚点。

本文限定在公开命名与检索方法讨论范围，不涉及内容访问路径；示例目录取自模拟数据。

精确匹配之所以「精确」，前提是输入串与目录里存的字符串完全等价。做到等价需要四步归一化：先把英文前缀转大写，再把全角字符转半角，再统一分隔符，最后走 Unicode NFKC。四步顺序可以调整，但结果集应当收敛。下表列出典型输入与归一化后的对照：

原始输入	大小写	全半角	分隔符	NFKC 后
`pppd-234`	`PPPD-234`	无变化	无变化	`PPPD-234`
`ＭＩＤＥ－５６０`	无变化	`MIDE-560`	无变化	`MIDE-560`
`ssni_888`	`SSNI_888`	无变化	`SSNI-888`	`SSNI-888`
`STARS 173`	无变化	无变化	`STARS-173`	`STARS-173`

步骤：4 步目标：等价字符串

大小写与全半角这两步都能改变字符本身，先后顺序对命中集没有影响，只影响调试时的可读性。若目录里同时存在旧全角条目，先做全半角再看大小写更直观。相关命名族版本差异见命名族召回策略。

分隔符包括中横线、下划线、空格甚至无分隔符。目录端如果把 PPPD-234 和 PPPD234 视为不同键，客户端就必须先做统一。示范目录里因分隔符差异带来的漏查约占 4%。相关校验步骤见核验流程。

NFKC 会把上标数字、罗马数字、日文全角标点等折叠成 ASCII 形态。这一步能消除九成以上的字符差异，但也可能改变一部分带样式的历史条目。若目录里保留了历史样式，需保留一份原串备份。

命中集意外为零时，可先输出中间态字符串比对每一步的产出。示范目录里 2.1% 的零命中场景，可追溯到只做了三步归一化而漏了最后一步 NFKC。

不推荐。正则容易在边界字符上出错，且难以维护；归一化管线更稳定。

保留原串做审计，归一化后的串做检索。两份共存不会显著增加存储成本。

通常会变短，尤其在全角字符较多时。长度变化不影响精确匹配语义。

建议记录。同一目录在不同版本 NFKC 下的行为略有差异，版本号能减少复盘成本。

本文只覆盖精确匹配的四项归一化步骤，不讨论模糊匹配或组合过滤。示范数据取自模拟目录，实际漏查率需按具体目录测量。