将符号、重音字母转换为英文字母

diacritics unicode java special-characters

2022-08-31 07:56:14

问题是，如您所知，Unicode图表中有数千个字符，我想将所有相似的字符转换为英语字母表中的字母。

例如，以下是一些转换：

ҥ->H
Ѷ->V
Ȳ->Y
Ǭ->O
Ƈ->C
tђє Ŧค๓เℓy --> the Family
...

我看到字母A / a有20多个版本，我不知道如何对它们进行分类。它们看起来像大海捞针。

unicode 字符的完整列表位于 http://www.ssec.wisc.edu/~tomw/java/unicode.html 或 http://unicode.org/charts/charindex.html 。只需尝试向下滚动，即可查看字母的变化。

我如何使用Java转换所有这些？请帮帮我:(

答案 1

从如何从 .NET 中的字符串中删除音调符号（重音符号）中重新发布我的帖子？

此方法在java中工作正常（纯粹是为了删除变音符号（即重音符号））。

它基本上将所有重音字符转换为其去重音对应字符，然后是其组合变音符号。现在，您可以使用正则表达式来去除音调符号。

import java.text.Normalizer;
import java.util.regex.Pattern;

public String deAccent(String str) {
    String nfdNormalizedString = Normalizer.normalize(str, Normalizer.Form.NFD); 
    Pattern pattern = Pattern.compile("\\p{InCombiningDiacriticalMarks}+");
    return pattern.matcher(nfdNormalizedString).replaceAll("");
}

答案 2

它是Apache Commons Lang的一部分，截至3.0版。

org.apache.commons.lang3.StringUtils.stripAccents("Añ");

返回An

另请参见 http://www.drillio.com/en/software-development/java/removing-accents-diacritics-in-any-language/