RegEx：將字符串拆分爲另一個字符串，其中包括變音符號

Question

我一直試圖通過C＃中的RegEx.Split()方法將字符串拆分爲另一個字符串。 數據或分離器都可以有變音符號。

讓我給你舉個例子：

數據：education

分配器：dù

預期結果：e/du/cation

--O R--

數據：èdùcation

分配器：ed

預期結果：èd/ùcation

這可能嗎？ 如果是這樣，你能幫我寫出模式嗎？

Answer 1

在.NET的正則表達式引擎中沒有選擇「忽略變音符號」，但是可以通過使用Unicode常規形式-D（「decomposed」）來解決它。 這是未經測試的。

重音字符可以以兩種方式表示：

• 作爲單個預組成的代碼點。例如。 U + 00F9（帶墳墓的拉丁文小寫字母U）。
• 作爲基本代碼點，後跟一個或多個組合字符。例如。 U + 0075，U-0300（拉丁文小寫字母U，組合Grave Accent）。

因此，如果可以確保數據被分解的輸入（使用String.Normalise(normalization)傳遞NormalizationForm.FormD），並且在圖案的任何潛在重音字符由

B\p{Mc}* 

取代後跟零個或多個基礎字符B Unicode類別「標記，間距組合」中的代碼點。

若要在輸出中包含與正則表達式匹配的文本使其捕獲，以匹配並捕獲du和dù使用(du\p{Mc}*)。