簡單的標準化文本示例不起作用

Question

我想分解一些文本。例如，從這裏：http://docs.oracle.com/javase/6/docs/api/java/text/Normalizer.html

U+00C1 LATIN CAPITAL LETTER A WITH ACUTE (Á) 

或作爲兩個獨立的字符（ 「分解」 的形式）：

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

我下面從Oracle本教程頁：http://docs.oracle.com/javase/tutorial/i18n/text/normalizerapi.html

這個簡單的情況下確實不適合我：

• 原詞："schön"
• NFC："schön"
• NFD："scho\u0308n"
• NFKC："schön"
• NFKD："scho\u0308n"

在上述所有情況下，功能Normalizer.normalize("schön", form)（其中形式爲Normalizer.Form.NFC一個，Normalizer.Form.NFD等），結果是一樣的："schön"

此代碼不起作用o n在Linux上使用Eclipse JDT的Oracle JDK 1.6或1.7安裝。

String n = Normalizer.normalize("schön", Normalizer.Form.NFD); 

結果n總是「schön」。

這個「問題」聞起來像（1）我完全誤解了這個函數，或者（2）一個糟糕的環境。我被卡住了。有什麼建議麼？我的系統設置非常好。

Answer 1

信用歸因於@ R.MartinhoFernandes。我不知道結果將與輸入相同。今天我學到了關於Unicode de/composition的新內容。

簡而言之：

String.valueOf('Á').equals(String.valueOf('\u00C1')) 
String.valueOf('A').equals(String.valueOf('\u0041')) 

和：

Normalizer.normalize("Á", Normalizer.Form.NFD).equals("\u0041\u0301") 
!String.valueOf('Á').equals("\u0041\u0301") 

但是：

System.out.println("Á\u0041\u0301") 

會打印：

ÁÁ 

Answer 2

只是做到這一點，它會做的工作：

String n = Normalizer.normalize("schön", Normalizer.Form.NFD).replaceAll("\\p{InCombiningDiacriticalMarks}+", "");