标签:cjk unicode-string converter diacritics java
许多日本平假名和假名都有dakuten和handakuten变体.
示例:は变成ば或ぱ(注意゛和゜部分)
问题:在Java中,如何从字符串中删除这些内容?
例如,我要はばぱハバパ1aあア亜成为はははハハハ1aあア亜.
性能很重要.
上下文:将内容与旧系统匹配.
解决方法:
带有(han)dakuten的字符可以分解为基本假名和组合标记,Java在java.text中具有用于该字符的Normalizer类.
String decomposed = Normalizer.normalize(input, Normalizer.Form.NFD);
然后,可以使用replace或replaceAll删除组合的(han)dakuten标记,例如
String noVoicingMarks = decomposed.replace("\u3099", "").replace("\u309A", "");
或者(在我的测试中快一点)
String noVoicingMarks = decomposed.replaceAll("\u3099|\u309A", "");
标签:cjk,unicode-string,converter,diacritics,java 来源: https://codeday.me/bug/20191025/1932527.html
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。