Для нормализации ФИО не переписывайте исходную строку одним универсальным правилом. Сохраните введённое написание, а поисковую форму стройте отдельно по известной версии преобразования. Первый безопасный тест — набор искусственных имён с дефисом, инициалами, несколькими частями и отсутствующим отчеством: после обработки они должны оставаться различимыми и правильно отображаться.
Поисковая эквивалентность не подтверждает, что записи относятся к одному человеку. Одинаковое ФИО встречается у разных людей, а различное написание — у одного. Цель нормализации здесь скромнее: убрать объяснимые расхождения представления для поиска, не менять подтверждённые реквизиты и не объединять профили автоматически.
У имени три назначения
| Представление | Для чего хранится | Что нельзя делать |
|---|---|---|
| Исходное написание | Показ и проверка происхождения | Затирать без истории |
| Структурные поля | Анкета и согласованный формат документа | Угадывать части только по пробелам |
| Поисковая форма | Сравнение и поиск кандидатов | Выдавать её за официальное написание |
Если продукт требует отдельные фамилию и имя, собирайте их как отдельные подтверждаемые поля. Разбор свободной строки можно предложить пользователю, но неоднозначный результат нельзя молча считать правильным. Не у каждого имени есть отчество, а количество слов не обязано укладываться в привычную форму из трёх частей. При экспорте используйте договор конкретного получателя.
Unicode не исправляет орфографию
Unicode UAX #15 различает каноническую и совместимостную нормализацию. NFC работает с канонической эквивалентностью, а NFKC может стирать дополнительные различия представления; стандарт предостерегает от её слепого применения к произвольному тексту. Проверено 15 октября 2026 года. Ни одна из этих форм сама не исправляет фамилию и не доказывает равенство людей.
Условный договор преобразования:
raw_name -> сохраняется для отображения
structured_name -> подтверждается при неоднозначности
search_name -> <явные правила и версия>
matched_name -> кандидат, не общий профиль
verified_details -> не меняются поисковой очисткойПравила регистра, пробелов и поискового сопоставления букв задавайте явно. Например, решение искать Е и Ё совместно может быть полезно в конкретном интерфейсе, но оно не разрешает заменить букву в документе. Дефисы и апострофы тоже нельзя массово удалять из отображаемого имени ради удобства сравнения. Для каждой операции спросите: изменится только ключ поиска или пользователь увидит другое написание?
Реквизиты других типов обрабатываются по собственным правилам. Номер документа, идентификатор организации и имя не должны проходить одну текстовую функцию. В идентификаторе ведущий ноль или разделитель может иметь значение. Если формат неизвестен, отметьте необходимость разбора вместо выдуманного исправления. Рабочие персональные сведения не нужны в открытых тестах и журналах.
Тесты проверяют и поиск, и обратное отображение
- Имя с дефисом остаётся правильно написанным в анкете.
- Отсутствующее отчество не превращается в искусственное значение.
- Повторная нормализация не меняет уже подготовленную поисковую форму.
- Два однофамильца не объединяются по результату поиска.
- Изменение исходного имени перестраивает производное поле.
При обновлении правил сначала пересчитайте поисковые значения в отдельном наборе и сравните результаты на размеченных примерах. Если новый поиск стал слишком широким, возврат версии производного поля проще, чем восстановление затёртых исходных имён. Уже испорченные отображаемые значения восстанавливаются по истории или подтверждённому источнику. Для разбора достаточно обезличенных пограничных примеров, формата анкеты и списка разрешённых преобразований; выгрузка всего клиентского справочника не требуется.