icu4j 西里尔文到拉丁文

java transliteration icu

2022-09-03 14:50:37

我试图让西里尔字母单词是拉丁语，这样我就可以把它们放在URL中。我使用icu4j音译器，但它仍然给出了像这样的奇怪字符：Vilʹândimaa。它应该更像viljandimaa。当我复制该网址时，这些字母会变成%..没用的东西。

有没有人知道如何用icu4j将西里尔字母变成a-z？

更新

不能回答我自己，但发现这个问题非常有帮助：将符号，重音字母转换为英语字母

答案 1

修改标识符以执行所需操作。您可以使用带有转换的正则表达式去除不需要的字符。Remove

例如，考虑字符串“'Eé математика”：

"'E\u00E9 \u043c\u0430\u0442\u0435\u043c\u0430\u0442\u0438\u043a\u0430"

标识符将音译为拉丁语（可能仍包含重音符号），将重音字符分解为字母和变音符号，并删除任何不是字母数字的内容。生成的字符串是“Eematematika”。"Any-Latin; NFD; [^\\p{Alnum}] Remove"

您可以在 ICU 网站上的“常规转换”下阅读有关标识符的更多信息。

例：

//import com.ibm.icu.text.Transliterator;
String greek
       = "'E\u00E9 \u043c\u0430\u0442\u0435\u043c\u0430\u0442\u0438\u043a\u0430";
String id = "Any-Latin; NFD; [^\\p{Alnum}] Remove";
String latin = Transliterator.getInstance(id)
                             .transform(greek);
System.out.println(latin);

针对 ICU4J 49.1 进行测试。

答案 2

看看： https://ru.stackoverflow.com/questions/633355/ Показать-правильный-пример-транслитерации-на-java

添加凹凸：

<dependency>
    <groupId>com.ibm.icu</groupId>
    <artifactId>icu4j</artifactId>
    <version>63.1</version>
</dependency>

并音译：

var CYRILLIC_TO_LATIN = "Latin-Russian/BGN"
// var CYRILLIC_TO_LATIN = "Russian-Latin/BGN"
Transliterator toLatinTrans = Transliterator.getInstance(CYRILLIC_TO_LATIN);
String result = toLatinTrans.transliterate(st);
System.out.println(result);