如何在 Java 中高效去除 Unicode 字串中的變音符號？

從Unicode 字元中刪除變音符號

問題描述

變音符號，例如波形符、揚抑、脫字符號、元符音變音符和抑揚符，可以改變字符的發音。為了便於高效搜尋和比較，可能有必要刪除這些標記並取得字元的「簡單」對應項。

解決方案

利用Unicode 規範化和正則表達式，以下Java 實現有效去除變音符號：

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，輸入字串“ńǹňṅņ៎>

例如，輸入字串“ńǹňṅņ៎>

例如，輸入字符串？為“n”。

擴充字串簡化

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();
    }

}

提供的解決方案專門解決了變音符號。如果需要處理額外的非變音符號特殊字符，可以採用更全面的字串簡化方法：

透過考慮更廣泛的字符，該方法提供了更全面的字串簡化過程。

以上是如何在 Java 中高效去除 Unicode 字串中的變音符號？的詳細內容。更多資訊請關注PHP中文網其他相關文章！