替換所有非拉丁-1字符的API或方法

我正在處理第三方API/Web服務，並且它們只允許在其XML中使用拉丁-1字符集。是否有一個現有的API /方法可以查找並替換字符串中的所有非拉丁-1字符？替換所有非拉丁-1字符的API或方法

例如：凱文

有沒有辦法讓凱文？

來源

2012-06-27 Gregg

用什麼替換它們？ – bmargulies

@bmargulies我更新了我的問題 – Gregg

因此，您不希望'K é vin'將它們從字節流中移除（如在簡單文本編輯器中打開它），但實際上將它們從XMl信息集中移除（作爲XML解析器將它讀取到應用程序中）？ – MvG

使用ICU4J，

public String removeAccents(String text) { 
    return Normalizer.decompose(text, false, 0) 
       .replaceAll("\\p{InCombiningDiacriticalMarks}+", ""); 
}

，我發現這個例子在http://glaforge.appspot.com/article/how-to-remove-accents-from-a-string

在Java 1.6的必要的正規化可能被內置。

來源

2012-06-27 18:04:26 bmargulies

一個非常好的第一次開始，至少對於給定的例子。但是，不能保證結果將僅爲ASCII，因爲Unicode代碼點不會分解爲ASCII字符並結合區分符號。 – MvG

如果你真的想處理所有晦澀難懂的情況，你將不得不編寫代碼。可能是一個ICU4J轉碼器對象。沒有任何我知道的那種具有所有奇怪的可能性，比如將C DEGREE CELSIUS轉換爲C或 LATIN CAPITAL LETTER L WITH STROKE to L. – bmargulies

或者檢測不可轉換的碼點並通過移除它們來適當地作出響應，中止操作，詢問用戶或其他什麼。 – MvG

替換所有非拉丁-1字符的API或方法

回答

相關問題