java - 如何知道字符串是否包含重音符号

Question

如何知道字符串是否包含重音符号？

Answer 1

我认为你能做的最好的事情是使用一个规范器，将带有重音的 unicode 字符分成两个单独的字符。Java 在类中包含此内容Normalizer，请参见此处。

例如，这将分裂

U+00C1    LATIN CAPITAL LETTER A WITH ACUTE

进入

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

并对每个有重音符号或其他变音符号的字符（http://en.wikipedia.org/wiki/Diacritic）执行此操作。

然后你可以检查结果CharSequence是否有一些重音字符（这意味着对它们进行硬编码）或者只是检查规范化版本是否等于起始版本，这意味着没有任何字符被分解. JavaNormalizer已经在 中提供了这种功能isNormalized(CharSequence src, Normalizer.Form form)，但是您应该检查各种可用的表格，看看是否有一种适合您的需要。

编辑：如果您只需要基本的口音支持（例如 è é à ò ì ù），您可以使用 oedo 选项，如果您需要对所有现有口音的完全支持，那么硬编码它们会很疯狂。

Answer 2

if (Pattern.matches(".*[éèàù].*", input)) {
  ....
}

将您想要的任何口音添加到该列表中

Answer 3

正确的做法是使用normalize(str,NFD)from java.text.Normalizer，然后删除一般类别 Mark\pM或 Non-Spacing Mark的字符\p{Mn}。Java 不支持标准的 Unicode 属性\p{Diacritic}，或者您可以使用它。请注意，并非所有变音符号都是非间距标记，反之亦然。

但是，这可能是错误的做法。如果您尝试进行不区分重音的字符串搜索和比较，那么正确的做法是让字符串保持原样。您需要创建一个级别设置为 1（或者更确切地说是 PRIMARY）的 UCA 归类对象，然后使用它来比较您的字符串。如果字符串在主要强度上比较相等，它会忽略重音符号之类的东西。

以下是Java 中的示例，说明如何使用 ICU 的 Collat​​or 类来做到这一点。如果您使用正确的UCA collat​​ors，那么您不必进行规范化；他们会为您解决这个问题。

Perl 中的这个答案使用了两个 UCA 整理器对象，一个主要优势是完全忽略字符串搜索和比较的重音符号，另一个允许像 Unicode 一样以次要优势区分变音符号。