如何知道一個字符串是否包含口音

Question

如何知道一個字符串是否包含口音？

Answer 1

if (Pattern.matches(".*[éèàù].*", input)) { 
    .... 
} 

要將該列表

Answer 2

我認爲你可以做的最好的事情就是使用一個標準化器，它將帶有重音符的unicode字符分成兩個獨立的字符。 Java在類Normalizer中包括這個，參見here。

此，例如，將分裂

U+00C1 LATIN CAPITAL LETTER A WITH ACUTE 

到

U+0041 LATIN CAPITAL LETTER A 
U+0301 COMBINING ACUTE ACCENT 

，並會做這對於具有重音符號或其他變音標記（http://en.wikipedia.org/wiki/Diacritic）每個字符。

然後你可以檢查產生的CharSequence是否有一些重音字符（並且這意味着硬編碼它們），或者簡單地檢查標準化版本是否等於起始字符，這意味着沒有任何已分解的字符。 Java Normalizer已在isNormalized(CharSequence src, Normalizer.Form form)中有此功能，但您應該查看各種表單以查看是否有適合您的需求的表單。

編輯：如果你只需要基本的口音的支持（像是剛èE中的O I U）你可以去大江戶選擇，如果你需要爲所有現有的口音全力支持，更是瘋狂硬編碼他們都..

Answer 3

要做到這一點是使用normalize(str,NFD)從java.text.Normalizer，然後刪除普通類馬克\pM或無空格的字符的正確方法什麼口音加馬克\p{Mn}。 Java不支持標準Unicode屬性\p{Diacritic}或者您可以使用它。請注意，並非所有的變音符號都是非間距符號，反之亦然。

但是，這可能是錯誤的事情。如果您嘗試執行不區分重音的字符串搜索和比較，則正確的方法是將字符串保持原樣。您需要創建一個級別設置爲1（或者說，PRIMARY）的UCA排序規則對象，然後使用它來比較您的字符串。如果字符串在主要強度上比較相等，則忽略重音標記等內容。

Here are examples在Java中如何使用ICU的Collat​​or類來做到這一點。如果你使用正確的UCA collators，那麼你不必規範化;他們爲你照顧這件事。

This answer在Perl中使用了兩個UCA collat​​or對象，一個用於主要強度以完全忽略用於字符串搜索和比較的重音符號，另一個用於允許區分次要強度的變音符號與Unicode的正常區別。