Bagaimana untuk Menukar Simbol Unikod dan Huruf Aksen kepada Abjad Inggeris di Jawa?

Menukar Simbol dan Huruf Aksen kepada Abjad Inggeris di Jawa

Pernyataan Masalah

Unicode merangkumi repertoir aksara yang luas, kebanyakannya serupa dengan huruf dalam abjad Inggeris. Cabarannya terletak pada menukar semua aksara yang serupa ini kepada rakan sejawat bahasa Inggeris mereka. Contohnya:

• ҥ menukar kepada H
• Ѷ menukar kepada V
• Ȳ menukar kepada Y
• Ǭ menukar kepada O

Versi Unicode huruf seperti A/a menimbulkan kesukaran pengelasan selanjutnya.

Java Solution

Untuk menangani cabaran penukaran ini, kami boleh memanfaatkan perkara berikut pendekatan dalam Java:

• Gunakan kelas Normalizer untuk menormalkan rentetan ke dalam Borang Normalisasi D (NFD). Ini mengembangkan aksara beraksen kepada aksara asas dan menggabungkan diakritik.
• Gunakan ungkapan biasa untuk mengenal pasti dan mengalih keluar diakritik gabungan menggunakan kod berikut:

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("");
}

Kod ini mula-mula menormalkan rentetan menggunakan NFD dan kemudian menggunakan regex untuk menanggalkan tanda diakritik, mengakibatkan penyingkiran simbol aksen dan penukaran aksara kepada abjad bahasa Inggeris yang setara.

Atas ialah kandungan terperinci Bagaimana untuk Menukar Simbol Unikod dan Huruf Aksen kepada Abjad Inggeris di Jawa?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!