如何在java中與土耳其語「我」相匹配？

Question

我想將英語（i）的「I」的小寫字母與土耳其語（i）的「İ」的小寫字母相匹配。它們是相同的字形，但它們不匹配。當我做System.out.println("İ".toLowerCase());字符我和一個點被打印（這個網站不正確顯示它）

有沒有一種方法來匹配那些？（最好沒有硬編碼它）我想使程序匹配相同與語言和utf代碼無關的字形。這可能嗎？

我測試了標準化沒有成功。

public static void main(String... a) { 
    String iTurkish = "\u0130";//"İ"; 
    String iEnglish = "I"; 
    prin(iTurkish); 
    prin(iEnglish); 
} 

private static void prin(String s) { 
    System.out.print(s); 
    System.out.print(" - Normalized : " + Normalizer.normalize(s, Normalizer.Form.NFD)); 
    System.out.print(" - lower case: " + s.toLowerCase()); 
    System.out.print(" - Lower case Normalized : " + Normalizer.normalize(s.toLowerCase(), Normalizer.Form.NFD)); 
    System.out.println(); 

} 

結果不正確的網站顯示，但第一線（iTurkish）仍具有̇附近小寫我。

目的和問題

這將是一個多語言字典。我希望程序能夠識別「İFEL」以「if」開頭。爲了確保它們不區分大小寫，我首先將兩個文本都轉換爲小寫。 İFEL變成我（點）惡魔和「如果」不被識別爲它的一部分

Answer 1

如果你打印出你所看到的字符的十六進制值，所不同的是明確的：

İ 0x130 - Normalized : İ 0x49 0x307 - Lower case: i̇ 0x69 0x307 - Lower case Normalized : i̇ 0x69 0x307 
I 0x49 - Normalized : I 0x49 - Lower case: i 0x69 - Lower case Normalized : i 0x69 

正常化土耳其語İ不會爲您提供英語I，相反，它會爲您提供英語I，後跟一個變音符號，0x307。這是正確的，並且是正常化過程所期待的。規範化不是「轉換爲ASCII」操作。正如Normalizer的文檔中提到的那樣，它所遵循的過程是一個非常嚴格定義的標準，即Unicode Standard Annex #15 — Unicode Normalization Forms。

有numerous ways to strip diacritics，無論是之前或之後正常化。你需要什麼取決於你的使用情況的細節，但爲您的使用情況下，我會建議使用Guava的CharMatcher類正火後剝離非ASCII字符，如：

String asciiString = CharMatcher.ASCII.retainFrom(normalizedString); 

---

This answer去深入瞭解\p{InCombiningDiacriticalMarks}的作用，以及它爲什麼不理想。我的CharMatcher解決方案也不理想（鏈接答案提供了更強大的解決方案），但爲了快速解決問題，您可能會發現僅保留ASCII字符「足夠好」。這比基於Pattern的方法更接近「正確」並且更快。

Answer 2

您可以使用波紋管代碼：

public static void main(String... a) { 

     String iTurkish = "\u0130";//"İ"; 
     String iEnglish = "I"; 
     prin(iTurkish); 
     prin(iEnglish); 


} 

private static void prin(String s) { 
    System.out.print(s); 
    String nfdNormalizedString = Normalizer.normalize(s, Normalizer.Form.NFD); 
    Pattern pattern = Pattern.compile("\\p{InCombiningDiacriticalMarks}+"); 
    System.out.print(" - Normalized : " + pattern.matcher(nfdNormalizedString).replaceAll("")); 
    System.out.print(" - lower case: " + s.toLowerCase()); 
    System.out.print(" - Lower case Normalized : " + Normalizer.normalize(pattern.matcher(nfdNormalizedString).replaceAll("").toLowerCase(), Normalizer.Form.NFD)); 
    System.out.println(); 

} 

還是看Converting Symbols, Accent Letters to English Alphabet