Làm cách nào để khớp các ký tự unicode trong Java

Question

Tôi cố gắng khớp các ký tự unicode trong Java.

Input String: informa

String để khớp với nhau: informátion

Cho đến nay tôi đã cố gắng này:

Pattern p= Pattern.compile("informa[\u0000-\uffff].*", (Pattern.UNICODE_CASE|Pattern.CANON_EQ|Pattern.CASE_INSENSITIVE)); 
    String s = "informátion"; 
    Matcher m = p.matcher(s); 
    if(m.matches()){ 
     System.out.println("Match!"); 
    }else{ 
     System.out.println("No match"); 
    } 

Nó đi ra như "Không phù hợp". Ý tưởng nào?

Answer 1

Thuật ngữ "Ký tự Unicode" không đủ cụ thể. Nó sẽ khớp với mỗi ký tự trong phạm vi Unicode, do đó cũng có các ký tự "bình thường". Tuy nhiên, thuật ngữ này thường được sử dụng khi một thực sự là có nghĩa là "các ký tự không nằm trong số printable ASCII range".

Trong các thuật ngữ regex sẽ là [^\x20-\x7E].

boolean containsNonPrintableASCIIChars = string.matches(".*[^\\x20-\\x7E].*"); 

Tùy thuộc vào những gì bạn muốn làm gì với thông tin này, đây là một số câu trả lời theo dõi hữu ích:

• Get rid of special characters
• Get rid of diacritical marks

Answer 2

Có phải vì informa không phải là một chuỗi con của informátion?

Mã của bạn hoạt động như thế nào nếu bạn xóa a cuối cùng từ informa trong regex của mình?

Answer 3

Có vẻ như bạn muốn kết hợp các chữ cái trong khi bỏ qua các dấu phụ. Nếu đúng, hãy chuẩn hóa các chuỗi của bạn thành dạng NFD, loại bỏ các dấu phụ, và sau đó thực hiện tìm kiếm của bạn.

String normalized = java.text.Normalizer.normalize(textToSearch, java.text.Normalizer.Form.NFD); 
String withoutDiacritical = normalized.replaceAll("\\p{InCombiningDiacriticalMarks}+", ""); 
// Search code goes here... 

Để tìm hiểu thêm về NFD:

• https://en.wikipedia.org/wiki/Unicode_equivalence#Normal_forms
• http://unicode.org/faq/normalization.html