为什么有些变音符号不能被去除？

Question

我使用这个答案中的方法，将单词中的特殊字符删除并将其转换为简单形式。对于许多基本重音符号，这个方法处理得很好。

Malmö becomes "Malmo"
München becomes "Munchen"
Åge becomes "Age"

然而，这在一些其他字符上并不起作用，例如：

Strømsgodset remains "Strømsgodset"
Kulħadd remains "Kulħadd"

这些字符为什么不像其他字符一样被转换？是否有任何原因？

还有没有办法类似地转换“组合”字符，例如：

æ -> ae
ẞ -> ss

- Gigi

---

因为Unicode联盟的语言学家和官僚们做出了这样的决定。 - xanatos

根据你的第二个问题，如何将它们映射到一对其他字符，请使用 Dictionary<char, string>。然后就很容易了：foreach(var kv in dict) text=text.Replace(kv.Key.ToString(),kv.Value)。 - Tim Schmelter

如果你知道世界上每种语言中的所有特殊字符，那么这将起作用。 - Gigi

@Gigi 没有特殊字符。你说的就像在说寿司是特别的食物一样。 - xanatos

你的最终目标是什么？为什么需要将字母转换为所谓的简单形式？顺便说一下，Kullħadd多了一个“L”。 - Dialecticus

匹配搜索结果时不考虑重音符号。Kullħadd 是一份报纸，Kulħadd 的意思是“每个人”（我是马耳他人 :)）。 - Gigi

Answer 1

因为Unicode联盟编写的规范化表中没有您想要的分解，而Microsoft使用了该表（或更可能是该表的文本版本，或者可能是该表的旧版本，但这些都是细节问题）。

我不知道原因，因为我不是语言学家，但我希望Unicode联盟有足够优秀的语言学家做出正确的选择。

请注意，排序表与规范化表是分开的，所以您可以拥有：

int res = string.Compare("æ", "ae", CultureInfo.CurrentCulture, CompareOptions.IgnoreNonSpace);

当 0... 所以 æ == ae，ħ == h

您甚至可以使用排序规则进行 IndexOf：

int ix = CultureInfo.CurrentCulture.CompareInfo.IndexOf(
    "Ad aeternitatem", 
    "æter", 
    CompareOptions.IgnoreNonSpace); // 3

忽略大小写：

int ix = CultureInfo.CurrentCulture.CompareInfo.IndexOf(
    "Ad Aeternitatem", 
    "æter", 
    CompareOptions.IgnoreNonSpace | CompareOptions.IgnoreCase); // 3

- xanatos

---

对于这些“双字符”是有意义的，但其他字符（例如ħ）也是如此吗？ - Gigi

@gigi 它在图形上与 h 相似，并不意味着它就是 h。你想让 $ 符号被分解成 S 和 | 吗？ :-) - xanatos

开个玩笑，但是利用图形（而非语义）相似性的实际原因是很有用的，例如搜索。 - Gigi

@gigi 对于搜索，可以使用 CompareInfo.IndexOf。如果你想要的话，我可以发一个例子给你。它使用排序规则而不是规范化。 - xanatos

请务必这样做 :) - Gigi