如何在 Java 中高效去除 Unicode 字符串中的变音符号？

从 Unicode 字符中删除变音符号

问题描述

变音符号，例如波形符、扬抑符、脱字符号、元音变音符和抑扬符，可以改变字符的发音。为了便于高效搜索和比较，可能有必要删除这些标记并获取字符的“简单”对应项。

解决方案

利用 Unicode 规范化和正则表达式，以下 Java 实现有效去除变音符号：

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

public class DiacriticStripper {

    private static final Pattern DIACRITICS_PATTERN = Pattern.compile("[\p{InCombiningDiacriticalMarks}\p{IsLm}\p{IsSk}\u0591-\u05C7]+");

    public static String stripDiacritics(String input) {
        String normalizedInput = Normalizer.normalize(input, Normalizer.Form.NFD);
        return DIACRITICS_PATTERN.matcher(normalizedInput).replaceAll("");
    }

}

例如，输入字符串“ńǹňñṅņṇṋṉ̈ɲƞᶇɳş”将转换为“n”。

扩展字符串简化

提供的解决方案专门解决了变音符号。如果需要处理额外的非变音符号特殊字符，可以采用更全面的字符串简化方法：

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

public class StringSimplifier {

    private static final Pattern DIACRITICS_PATTERN = Pattern.compile("[\p{InCombiningDiacriticalMarks}\p{IsLm}\p{IsSk}\u0591-\u05C7]+");

    public static String simplify(String input) {
        String normalizedInput = Normalizer.normalize(input, Normalizer.Form.NFD);
        String diacriticStripped = DIACRITICS_PATTERN.matcher(normalizedInput).replaceAll("");
        // Replace additional non-diacritic special characters using a custom mapping
        // ...
        return simplifiedString.toLowerCase();
    }

}

通过考虑更广泛的字符，该方法提供了更全面的字符串简化过程。

以上是如何在 Java 中高效去除 Unicode 字符串中的变音符号？的详细内容。更多信息请关注PHP中文网其他相关文章！