Rumah > Java > javaTutorial > Bagaimanakah Saya Boleh Mengeluarkan Diakritik dengan Cekap daripada Rentetan Unicode di Java?

Bagaimanakah Saya Boleh Mengeluarkan Diakritik dengan Cekap daripada Rentetan Unicode di Java?

Barbara Streisand
Lepaskan: 2024-12-11 01:23:10
asal
587 orang telah melayarinya

How Can I Efficiently Remove Diacritics from Unicode Strings in Java?

Alih Keluar Tanda Diakritik daripada Aksara Unikod

Untuk menghapuskan tanda diakritik (cth., tilde, umlaut, dll.) daripada aksara Unikod, pertimbangkan untuk menggunakan algoritma berikut:

Algoritma Java

Di Jawa, gunakan kod berikut:

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

private static String stripDiacritics(String str) {
    str = Normalizer.normalize(str, Normalizer.Form.NFD);
    str = DIACRITICS_AND_FRIENDS.matcher(str).replaceAll("");
    return str;
}
Salin selepas log masuk

Contoh:

stripDiacritics("Björn")  = Bjorn
Salin selepas log masuk

Algoritma Dipertingkat

Untuk penyelesaian yang lebih menyeluruh, sertakan peringkat pembersihan kedua untuk mengendalikan aksara khas bukan diakritik.

public static final char DEFAULT_REPLACE_CHAR = '-';
public static final String DEFAULT_REPLACE = String.valueOf(DEFAULT_REPLACE_CHAR);
private static final ImmutableMap<String, String> NONDIACRITICS = ImmutableMap.<String, String>builder()
        // ... [List of non-diacritic characters]

public static String simplifiedString(String orig) {
    String str = orig;
    if (str == null) {
        return null;
    }
    str = stripDiacritics(str);
    str = stripNonDiacritics(str);
    if (str.length() == 0) {
        // ... 
    }
    return str.toLowerCase();
}

// ... [Continued implementation]
Salin selepas log masuk

Kebolehgunaan dan Had

Ini algoritma secara berkesan mengalih keluar diakritik untuk tujuan carian. Walau bagaimanapun, aksara khas bukan diakritik, seperti "ł" Białegostok, memerlukan pengendalian tambahan. Algoritma yang dipertingkatkan cuba untuk menggantikan aksara ini dengan persamaan yang paling hampir.

Atas ialah kandungan terperinci Bagaimanakah Saya Boleh Mengeluarkan Diakritik dengan Cekap daripada Rentetan Unicode di Java?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

sumber:php.cn
Kenyataan Laman Web ini
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn
Artikel terbaru oleh pengarang
Tutorial Popular
Lagi>
Muat turun terkini
Lagi>
kesan web
Kod sumber laman web
Bahan laman web
Templat hujung hadapan