部分匹配忽略大小寫和變音符號

Question

我有一個句子列表，需要檢查某些單詞是否存在於其中。我需要忽略大小寫，重音，音調符號，連字等

例如，下面所有的搜索應該返回true：

• 聖保羅包含SÃO
• 紐倫堡包含Nurn酒店
• 希奧利艾包含Š

我知道java.text.Collat​​or和java.text.Normalizer類，但我找不到部分匹配的方法。

Answer 1

我最終使用正則表達式和java.text.Normalizer的組合由喬普-埃根的建議：

public static final Pattern DIACRITICS_AND_MODIFIERS = Pattern.compile("[\\p{InCombiningDiacriticalMarks}\\p{IsLm}\\p{IsSk}]"); 

... 

String text = Normalizer.normalize(input, Normalizer.Form.NFKD); 
text = DIACRITICS_AND_MODIFIERS.matcher(text).replaceAll("").toLowerCase(); 

我用NFKD代替NKD因爲它分解特殊情況下，像結紮線（ （ffi）羅馬數字（Ⅸ）和上標（⑤）。上面的代碼仍然會出現一些錯誤情況（例如，？和或），但這些在我的語言環境（葡萄牙語）中並不重要。

然後我將搜索項和要搜索的文本標準化並使用String.contains來搜索它。