Игнорируя диакритические символы при сравнении слов со специальными символами (é, è, …)
У меня есть список с некоторыми бельгийскими городами с диакритическими символами: (Льеж, Quiévrain, Franière, и т.д.) и я хотел бы преобразовать эти специальные символы для сравнения списку, содержащему те же имена в верхнем регистре, но без диакритических знаков (ЛЬЕЖ, QUIEVRAIN, FRANIERE)
То, что я сначала пытался сделать, должно было использовать верхний регистр:
LIEGE.contentEqual(Liège.toUpperCase()) но это не соответствует потому что Верхний регистр Liège LIÈGE и нет LIEGE.
У меня есть некоторые сложные идеи как замена каждого символа, но это звучит глупым и долгий процесс.
Какие-либо идеи о том, как сделать это умным способом?
4 ответа
Посмотрите этот метод на Java
private static final String PLAIN_ASCII = "AaEeIiOoUu" // grave
+ "AaEeIiOoUuYy" // acute
+ "AaEeIiOoUuYy" // circumflex
+ "AaOoNn" // tilde
+ "AaEeIiOoUuYy" // umlaut
+ "Aa" // ring
+ "Cc" // cedilla
+ "OoUu" // double acute
;
private static final String UNICODE = "\u00C0\u00E0\u00C8\u00E8\u00CC\u00EC\u00D2\u00F2\u00D9\u00F9"
+ "\u00C1\u00E1\u00C9\u00E9\u00CD\u00ED\u00D3\u00F3\u00DA\u00FA\u00DD\u00FD"
+ "\u00C2\u00E2\u00CA\u00EA\u00CE\u00EE\u00D4\u00F4\u00DB\u00FB\u0176\u0177"
+ "\u00C3\u00E3\u00D5\u00F5\u00D1\u00F1"
+ "\u00C4\u00E4\u00CB\u00EB\u00CF\u00EF\u00D6\u00F6\u00DC\u00FC\u0178\u00FF"
+ "\u00C5\u00E5" + "\u00C7\u00E7" + "\u0150\u0151\u0170\u0171";
/**
* remove accented from a string and replace with ascii equivalent
*/
public static String removeAccents(String s) {
if (s == null)
return null;
StringBuilder sb = new StringBuilder(s.length());
int n = s.length();
int pos = -1;
char c;
boolean found = false;
for (int i = 0; i < n; i++) {
pos = -1;
c = s.charAt(i);
pos = (c <= 126) ? -1 : UNICODE.indexOf(c);
if (pos > -1) {
found = true;
sb.append(PLAIN_ASCII.charAt(pos));
} else {
sb.append(c);
}
}
if (!found) {
return s;
} else {
return sb.toString();
}
}
Это самое простое решение, которое я нашел до сих пор, и оно отлично работает в наших приложениях.
Normalizer.normalize(string, Normalizer.Form.NFD).replaceAll("\\p{InCombiningDiacriticalMarks}+", "");
Но я не знаю, доступен ли нормализатор на платформе Android.
Начиная с Java 6, вы можете использовать java.text.Normalizer:
public String unaccent(String s) {
String normalized = Normalizer.normalize(s, Normalizer.Form.NFD);
return normalized.replaceAll("[^\\p{ASCII}]", "");
}
Обратите внимание, что в Java 5 также есть sun.text.Normalizer , но его использование настоятельно не рекомендуется, поскольку оно является частью проприетарного API Sun и был удален в Java 6.
Класс Collator - хороший способ сделать это (см. Соответствующий javadoc ). Вот модульный тест, который показывает, как его использовать:
import static org.junit.Assert.assertEquals;
import java.text.Collator;
import java.util.Locale;
import org.junit.Test;
public class CollatorTest {
@Test public void liege() throws Exception {
Collator compareOperator = Collator.getInstance(Locale.FRENCH);
compareOperator.setStrength(Collator.PRIMARY);
assertEquals(0, compareOperator.compare("Liege", "Liege")); // no accent
assertEquals(0, compareOperator.compare("Liège", "Liege")); // with accent
assertEquals(0, compareOperator.compare("LIEGE", "Liege")); // case insensitive
assertEquals(0, compareOperator.compare("LIEGE", "Liège")); // case insensitive with accent
assertEquals(1, compareOperator.compare("Liege", "Bruxelles"));
assertEquals(-1, compareOperator.compare("Bruxelles", "Liege"));
}
}
РЕДАКТИРОВАТЬ : извините, что мой ответ не соответствует вашим потребностям; может это потому, что я представил это как модульный тест? Это нормально для тебя? Я лично считаю его лучше, потому что он короче и использует SDK (не требует замены String)
Collator compareOperator = Collator.getInstance(Locale.FRENCH);
compareOperator.setStrength(Collator.PRIMARY);
if (compareOperator.compare("Liège", "Liege") == 0) {
// if we are here, then it's the "same" String
}
надеюсь, что это поможет