分隔 Unicode 连字字符
在大量的 Unicode 字符中，有一些字符实际上表示多个字符，例如两个“f”字符的 U+FB00 连字 ff。有没有办法轻松地将这样的字符转换为多个单个字符？最好是标准Java API中提供的东西，但如果需要，我可以参考外部库。
答案 1
U+FB00 是一个兼容性字符。通常，Unicode 不支持连字的单独代码点（认为是否以及何时应该使用连字是布局决策，不应该影响数据的存储方式）。其中一些仍然存在，以允许与较旧的编码进行往返转换兼容性，这些编码确实将连字表示为单独的实体。
幸运的是，连字表示哪些字符的信息存在于 Unicode 数据文件中，并且大多数功能强大的字符串处理系统都内置了该数据。
在 Java 中，您需要使用 Normalizer 类和 NFKC 窗体：
String ff ="\uFB00";
String normalized = Normalizer.normalize(ff, Form.NFKC);
System.out.println(ff + " = " + normalized);
这将打印
ff = ff
答案 2
您正在谈论的过程称为规范化，并在 Unicode 规范化表单技术说明中指定。
Java SE 类库中有一个名为 java.text.Normalizer 的类，它实现了此过程。但是，您需要阅读上面链接的Unicode文档，以确定需要使用哪种“规范化形式”来获得所需的结果。这并不简单....
推荐
-
-
如何为特定类编写哈希码方法？ 我正在尝试为我的简单类生成一个hashCode（）方法，但我没有使用它。我将不胜感激任何帮助。我已经实现了 equals（） 方法，如下所示，并且还想知道我是否需要实现 compareTo（） 方法。我已经
-
Java：如何获取字符的 Unicode 名称（或其类型类别）？ Java 中的 类定义了检查给定参数是否与某些 Unicode 字符相等或是否属于某个类型类别的方法。这些字符和类型类别已命名。 那么，是否有可能在运行时获取字符和/或类型类别的名称？
-
“-”字符的 Lucene Index 问题 我在使用Lucene索引时遇到问题，该索引包含包含“-”字符的索引单词。 它适用于一些包含“-”的单词，但不适用于所有单词，我没有找到原因，为什么它不起作用。 我正在搜索的字段经过分
-
正则表达式，用于使用 Java 模式匹配字符串中的四个重复字母 我想匹配像aaaa，aaaad，adjjjjk这样的东西。像（[a-z]）\1+这样的东西被用来匹配重复的字符，但我无法弄清楚四个字母。