从拉丁字符中去除重音符号（变音符号）以进行比较

Question

我需要比较使用拉丁字母书写并带有重音符号（变音符号）的欧洲地名。许多中欧和东欧的地名，如在 ž 和 ü 上带有重音符号的拉丁字母，但有些人只使用不带重音符号的普通拉丁字母，如z和u。

我需要一种方法使我的系统能够识别例如mšk žilina与msk zilina相同，以及所有其他使用变音符号的字符。是否有简单的方法可以做到这一点？

- Oliver

Answer 1

您可以利用 java.text.Normalizer和一个小正则表达式来去掉变音符号。

public static String removeDiacriticalMarks(String string) {
    return Normalizer.normalize(string, Form.NFD)
        .replaceAll("\\p{InCombiningDiacriticalMarks}+", "");
}

使用示例：

String text = "mšk žilina";
String normalized = removeDiacriticalMarks(text);
System.out.println(normalized); // msk zilina

- BalusC

---

你知道Objective-C的文本规范化器吗？我也有同样的问题。 - Ilker Baltaci