java - 简单的规范化文本示例不起作用

Question

我正在尝试分解一些文本。此处的示例：http: //docs.oracle.com/javase/6/docs/api/java/text/Normalizer.html

  U+00C1    LATIN CAPITAL LETTER A WITH ACUTE (Á)

或作为两个单独的字符（“分解”形式）：

  U+0041    LATIN CAPITAL LETTER A
  U+0301    COMBINING ACUTE ACCENT

我正在关注 Oracle 的本教程页面：http: //docs.oracle.com/javase/tutorial/i18n/text/normalizerapi.html

这个简单的案例对我不起作用：

• 原话："schön"
• NFC："schön"
• NFD："scho\u0308n"
• NFKC："schön"
• NFKD："scho\u0308n"

在上述所有情况下，函数Normalizer.normalize("schön", form)（其中形式是 、 等之一Normalizer.Form.NFC）Normalizer.Form.NFD，结果是相同的："schön"

此代码不适用于我在 Linux 上的 Oracle JDK 1.6 或 1.7 安装，在 Eclipse JDT 中使用。

String n = Normalizer.normalize("schön", Normalizer.Form.NFD);

结果n总是“schön”。

这个“问题”听起来像是（1）我完全误解了这个功能，或者（2）环境不好。我被困住了。有什么建议么？我的系统设置非常简单。

Answer 1

归功于@R.MartinhoFernandes。我不知道结果将规范地等同于输入。我今天学到了一些关于 Unicode de/composition 的新知识。

简而言之：

String.valueOf('Á').equals(String.valueOf('\u00C1'))
String.valueOf('A').equals(String.valueOf('\u0041'))

和：

Normalizer.normalize("Á", Normalizer.Form.NFD).equals("\u0041\u0301")
!String.valueOf('Á').equals("\u0041\u0301")

但：

System.out.println("Á\u0041\u0301")

将打印：

ÁÁ

Answer 2

只需这样做，它就会完成这项工作：

String n = Normalizer.normalize("schön", Normalizer.Form.NFD).replaceAll("\\p{InCombiningDiacriticalMarks}+", "");