有没有办法摆脱重音并将其整个字符串转换为常规字母？

string diacritics java

2022-08-31 05:07:49

有没有更好的方法来摆脱口音并使这些字母成为规则，除了使用方法和逐个替换字母之外？例：String.replaceAll()

输入：orčpžsíáýd

输出：orcpzsiayd

它不需要包括所有带有重音符号的字母，如俄语字母表或中文字母表。

答案 1

使用java.text.Normalizer为您处理这个问题。

string = Normalizer.normalize(string, Normalizer.Form.NFD);
// or Normalizer.Form.NFKD for a more "compatible" deconstruction

这将把所有重音符号与字符分开。然后，你只需要将每个字符与字母进行比较，并扔掉那些不是字母的字符。

string = string.replaceAll("[^\\p{ASCII}]", "");

如果你的文本是 unicode 格式的，你应该改用这个：

string = string.replaceAll("\\p{M}", "");

对于 unicode，匹配基本字形和（小写）匹配每个重音符号。\\P{M}\\p{M}

感谢GarretWilson的指针和 regular-expressions.info 伟大的Unicode指南。

答案 2

截至2011年，您可以使用Apache Commons StringUtils.stripAccents（input）（自3.0起）：

    String input = StringUtils.stripAccents("Tĥïŝ ĩš â fůňķŷ Šťŕĭńġ");
    System.out.println(input);
    // Prints "This is a funky String"

注意：

被接受的答案（Erick Robertson的）不适用于Ø或Ł.Apache Commons 3.5也不适用于Ø，但它确实适用于Ł。在阅读了维基百科上关于Ø的文章后，我不确定它是否应该替换为“O”：它是挪威语和丹麦语中的一个单独的字母，在“z”之后按字母顺序排列。这是“条形口音”方法局限性的一个很好的例子。