如何将拉丁 unicode 字符替换为 [a-z] 字符

Posted 2023-03-12

【中文标题】如何将拉丁 unicode 字符替换为 [a-z] 字符

【英文标题】：how to replace Latin unicode character to [a-z] characters

【发布时间】：2015-12-19 11:44:28

【问题描述】：

我正在尝试将所有拉丁 unicode 字符转换为他们的 [a-z] 表示

ó --> o
í --> i

我可以很容易地一一做例如：

myString = myString.replaceAll("ó","o");

但由于有很多变化，这种方法是不切实际的

在 Java 中还有其他方法吗？例如regular Expression，或utility library

用例：

1- 将其他语言的城市名称翻译成英文，例如

Espírito Santo --> Espirito Santo,

【问题讨论】：

***.com/a/25057742/984823 但仍要注意一些例外情况，例如 l-stroke。

对于您的用例来说，这是一种非常粗略的方法。在德语中，在只能显示 ASCII 的情况下，变音符号在字符后被替换为 e，例如。慕尼黑变成了慕尼黑。那个城市的实际英文名字是慕尼黑。我建议只留下口音。如果您的应用程序无法显示这些口音，那么您的应用程序就会严重损坏。

@roeland 是的，我明白，问题是想象慕尼黑有许多不同的语言，每种语言都有不同的含义。现在想象在大数据中试图分析所有这些数据......好吧，我的想法可能不会给我们正确的城市，但它至少会尝试“尽可能地”使其正常化（如果利率是超过 80% 就足够了）。这就是我们的目标

@nafas 啊我明白了

【参考方案1】：

这个答案需要Java 1.6或更高版本，其中添加了java.text.Normalizer。

    String normalized = Normalizer.normalize(input, Normalizer.Form.NFD);
    String accentRemoved = normalized.replaceAll("\\pInCombiningDiacriticalMarks+", "");

例子：

public class Main 
    public static void main(String[] args) 
        String input = "Árvíztűrő tükörfúrógép";
        System.out.println("Input: " + input);
        String normalized = Normalizer.normalize(input, Normalizer.Form.NFD);
        System.out.println("Normalized: " + normalized);
        String accentRemoved = normalized.replaceAll("\\pInCombiningDiacriticalMarks+", "");
        System.out.println("Result: " + accentRemoved);
    

结果：

Input: Árvíztűrő tükörfúrógép
Result: Arvizturo tukorfurogep

【讨论】：

@JoopEggen 我不知道它是如何工作的，我只知道它有效 :)

@EpicPandaForce 我不想用“”替换它们。例如，我想用“i”替换“í”

第一个规范化将单个字符 í 替换为 ASCII i 加上零宽度 ´。然后删除所有这些重音符号，结合变音符号。保留 ASCII 字母。 NFD 中的 D 代表分解。

我不知道这个类是核心 java 的一部分。谢谢你启发我！

@EpicPandaForce 它工作得很好，一开始看代码，它给我的印象很差，但它太棒了