---
title: "Unicode normalizasyonu nedir? LLM metninde NFC ve NFKC"
description: "Unicode normalizasyonu (NFC, NFD, NFKC, NFKD), eşdeğer dizelerin aynı kod noktalarını kullanmasını sağlar. Hangi biçim, NFKC Arapça PDF ve OCR metninde neden önemli?"
url: https://broadrouter.com/tr/glossary/unicode-normalization/
lang: tr
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

İngilizceden yapay zekâ desteğiyle çevrilmiştir. [İngilizce aslını okuyun](https://broadrouter.com/glossary/unicode-normalization/) (güncelleme: 2026-11-15).

# Unicode normalizasyonu (Unicode normalization)

Güncellendi 2026-11-15

Unicode normalizasyonu, aynı görünen dizelerin aynı kod noktalarını kullanması için metni standart bir biçime dönüştürür. Dört biçim NFD, NFC, NFKD ve NFKC'dir; K biçimleri ayrıca Arapça sunum biçimleri ve bitişik harfler (ligatür) gibi uyumluluk karakterlerini sıradan harflere katlar.

Diğer adları: Unicode normalizasyonu, Unicode normalleştirme, NFC, NFKC, NFD, NFKD, Unicode normalization

İki dize ekranda birebir aynı görünüp yine de eşitlik kontrolünden geçemeyebilir. Çözüm Unicode normalizasyonudur.

## Nasıl çalışır

UAX #15 dört biçim tanımlar:

| Biçim | Tanım |
| --- | --- |
| NFD | Kanonik ayrıştırma |
| NFC | Kanonik ayrıştırma, ardından kanonik birleştirme |
| NFKD | Uyumluluk ayrıştırması |
| NFKC | Uyumluluk ayrıştırması, ardından kanonik birleştirme |

MDN’nin ifadesiyle kanonik eşdeğerler aynı görünmeli ve aynı davranmalıdır. Uyumluluk eşdeğerleri ise “should be treated alike in some — but not necessarily all — applications” (çeviri: bazı uygulamalarda, ama hepsinde olmayabilir, aynı muamele görmelidir); bu yüzden NFKC ve NFKD metnin görünümünü değiştirebilir. JavaScript’in `normalize()` fonksiyonu varsayılan olarak NFC kullanır. Python aynı dört biçimi `unicodedata.normalize(form, s)` ile, bir dizeyi test etmek için de `unicodedata.is_normalized` sunar.

Arapça her iki türü de gösterir.

**Kanonik.** Unicode Standardı, أ (U+0623) karakterinin ا (U+0627) artı U+0654 HAMZA ABOVE olarak ayrıştığını söyler. Bazı klavyelerden veya dönüştürücülerden gelen metin iki karakterli biçimde gelir. NFC bunu yeniden U+0623’e birleştirir, böylece eşleşir.

**Uyumluluk.** Unicode, Arapça sunum biçimlerini, yani bağlama göre değişen harf şekillerini ve bitişik harfleri, U+FB50 ile U+FDFF ve U+FE70 ile U+FEFE aralıklarında kodlar; bunların uyumluluk için olduğunu ve “should not be used in general interchange” (çeviri: genel veri alışverişinde kullanılmamalıdır) olduğunu söyler. Yine de eski PDF’lerden kopyalanan metinlerde ve bazı OCR çıktılarında karşımıza çıkarlar. NFKC bunları katlar:

| Girdi | Kod noktası | NFKC sonrası |
| --- | --- | --- |
| ﻻ | U+FEFB, LAM WITH ALEF ISOLATED FORM | لا (iki harf) |
| ﷲ | U+FDF2, ALLAH ISOLATED FORM | الله (dört harf) |
| ﺍ | U+FE8D, ALEF ISOLATED FORM | ا |

```python
import unicodedata
unicodedata.normalize("NFKC", "ﻻ") == "لا"   # True
unicodedata.normalize("NFC", "أ") == "أ"    # True
```

CAMeL Tools’un `normalize_unicode` fonksiyonu varsayılan olarak NFKC uygular; öncesinde iki özel karakteri, Riyal işareti U+FDFC’yi ve Besmele bitişik harfi U+FDFD’yi, sıradan Arapça harflere eşler.

## Neden önemli

-   **Arama ve RAG.** Sunum biçimleri içeren bir PDF’ten çıkarılmış belge, normal bir klavyeyle yazılmış bir sorguyla eşleşmez. Standart harfleri varsayan [Arapça metin normalizasyonu](https://broadrouter.com/tr/glossary/arabic-text-normalization/) kurallarından önce ikisine de NFKC uygulayın.
-   **Token sayıları.** Sunum biçimleri sıradan harflerden farklı kod noktalarıdır; bu yüzden bir [tokenizer](https://broadrouter.com/tr/glossary/tokenizer/) aynı görünen kelimeyi farklı sayıda token’a bölebilir. UTF-8’de ﻻ 3 bayt, لا ise 4 bayttır. Girdiniz PDF’lerden geliyorsa iki sürümü de [Arapça token sayacında](https://broadrouter.com/tools/arabic-token-counter/) sayın.
-   **Doğrulama.** Model çıktısını kaynak metinle karşılaştırmadan önce normalleştirin; örneğin çıkarılan bir varlığın belgede gerçekten geçtiğini kontrol ederken.

## BroadNet Inference’ta

BroadNet’in API referansı girdinin sunucuda normalleştirilip normalleştirilmediğini söylemez; bu yüzden metni göndermeden, indekslemeden veya karşılaştırmadan önce kendi kodunuzda normalleştirin. Arapça belgeler için [görüntü LLM’leriyle OCR yazısı](https://broadrouter.com/tr/blog/arabic-ocr-vision-llm/) ve [Arapça faturalar rehberi](https://broadrouter.com/tr/guides/read-arabic-invoices-with-vision/), sayfaları [Gemma 4 VL 26B](https://broadrouter.com/tr/models/gemma-4-vl-26b/) gibi modellerle görüntü olarak okumayı anlatır; bu, bozuk PDF metin katmanlarından kaçınmanızı sağlar. Geri gelen metne, eşleştirmeden önce NFKC uygulayın.

## Sık yapılan hatalar

-   Gösterim için NFKC metni saklamak; NFC asıllarını koruyun.
-   Belgeleri normalleştirip sorguları normalleştirmemek.
-   Normalizasyonun harekeleri, tatvili (tatweel) veya bidi işaretlerini kaldırdığını varsaymak. Kaldırmaz.

## Sık sorulan sorular

### NFC mi kullanmalıyım, NFKC mi?

Metni saklamak ve göstermek için NFC, çünkü görünümü değiştirmez. Arama anahtarları ve eşleştirme için NFKC; orada bitişik harflerin ve sunum biçimlerinin katlanması zaten istenen şeydir. MDN, uyumluluk biçimlerinin görsel görünümü değiştirdiğini not eder.

### Unicode normalizasyonu Arapça harekeleri kaldırır mı?

Hayır. Harekeler ayrı karakterlerdir ve yerinde kalır. Onları kaldırmak, Arapça metin normalizasyonunun ayrı bir adımıdır.

### Normalizasyon görünmez bidi işaretlerini veya sıfır genişlikli karakterleri kaldırır mı?

U+200F veya U+2067 gibi bidi kontrol karakterlerini kaldırmaz; bunlar NFC ve NFKC'den değişmeden geçer. Eşleştirmeyi bozuyorlarsa ayrıca temizleyin.

## Ayrıca bakın

-   [Arapça metin normalizasyonu (normalization)](https://broadrouter.com/tr/glossary/arabic-text-normalization/) (terim)
-   [Hemze (hamza)](https://broadrouter.com/tr/glossary/hamza/) (terim)
-   [Tokenizer](https://broadrouter.com/tr/glossary/tokenizer/) (terim)
-   [Optik karakter tanıma (OCR)](https://broadrouter.com/tr/glossary/ocr/) (terim)
-   [Sağdan sola (RTL) metin](https://broadrouter.com/tr/glossary/rtl-text/) (terim)
-   [Token](https://broadrouter.com/tr/glossary/token/) (terim)
-   [Arapça faturaları ve fişleri bir görü modeliyle okuyun](https://broadrouter.com/tr/guides/read-arabic-invoices-with-vision/) (rehber)
-   [Arama ve RAG için Arapça metin normalleştirme: neyi değiştirmeli?](https://broadrouter.com/tr/blog/arabic-text-normalization-search/) (yazı)
-   [Arapça OCR mı, görü LLM'i mi: Arapça belge ve fatura okuma](https://broadrouter.com/tr/blog/arabic-ocr-vision-llm/) (yazı)
-   [Arapça ve İngilizcede kelime başına token: Arapça neden pahalı?](https://broadrouter.com/tr/blog/tokens-per-word-arabic-english/) (yazı)

Gerçek iş yükünüzle deneyin. Yeni hesaplar şunlar için US$5 kredi ile başlar: Gemma ve transkripsiyon. Bakiye yüklemesi gerekenler: DeepSeek, GLM ve Qwen3.8.

[Başlayın](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=tr-glossary-unicode-normalization&utm_content=page-cta) ·

**Kaynaklar**

-   [Unicode Standard Annex #15, Unicode Normalization Forms (Unicode 18.0) (kontrol tarihi 2026-11-15)](https://www.unicode.org/reports/tr15/)
-   [MDN Web Docs, String.prototype.normalize() (kontrol tarihi 2026-11-15)](https://developer.mozilla.org/en-US/docs/Web/JavaScript/Reference/Global_Objects/String/normalize)
-   [Python belgeleri, unicodedata (normalize, is\_normalized) (kontrol tarihi 2026-11-15)](https://docs.python.org/3/library/unicodedata.html)
-   [The Unicode Standard 18.0, Bölüm 9 Orta Doğu-I, Arapça (sunum biçimleri) (kontrol tarihi 2026-11-15)](https://www.unicode.org/versions/Unicode18.0.0/core-spec/chapter-9/)
-   [CAMeL Tools kaynak kodu, normalize.py (normalize\_unicode) (kontrol tarihi 2026-11-15)](https://raw.githubusercontent.com/CAMeL-Lab/camel_tools/master/camel_tools/utils/normalize.py)
