Jak wykrywać znaki Unicode w ciągu znaków Java?

Question

Załóżmy, że mam ciąg znaków, który zawiera Ü. Jak znaleźć wszystkie te znaki Unicode? Czy powinienem przetestować swój kod? Jak to zrobić?

Na przykład, biorąc pod uwagę ciąg "AÜXÜ", chciałbym przekształcić go na "AYXY". Chciałbym zrobić to samo dla innych znaków unicode i nie chciałbym ich przechowywać na jakiejś mapie tłumaczeń.

Answer 1

Definicja "znaków Unicode" jest niejasna, ale zostanie przeniesiona do oznacza znaki UTF-8 nie objęte standardem ISO 8859 charset. Jeśli tak jest w twoim przypadku, przeprowadź pętlę przez wszystkie znaki w łańcuchu i przetestuj jego punkt kodowy, aby określić, czy znajduje się on w podanym zestawie znaków.

Można również użyć Map<Character, Character> i znaków na mapie, które zawierają pasujące klucze. Na przykład:

Map<Character, Character> charReplacementMap = new HashMap<Character, Character>() {{ 
    put('Ü', 'Y'); 
    // Put more here. 
}}; 

String originalString = "AÜAÜ"; 
StringBuilder builder = new StringBuilder(); 

for (char currentChar : originalString.toCharArray()) { 
    Character replacementChar = charReplacementMap.get(currentChar); 
    builder.append(replacementChar != null ? replacementChar : currentChar); 
} 

String newString = builder.toString(); 

Czy masz na myśli "wszystkie postacie ze znakami diakrytycznymi"? Jeśli tak, a następnie użyć java.text.Normalizer usunąć znaki diakrytyczne:

/** 
* Remove any diacritical marks (accents like ç, ñ, é, etc) from 
* the given string (so that it returns plain c, n, e, etc). 
* @param string The string to remove diacritical marks from. 
* @return The string with removed diacritical marks, if any. 
*/ 
public static String removeDiacriticalMarks(String string) { 
    return Normalizer.normalize(string, Form.NFD) 
     .replaceAll("\\p{InCombiningDiacriticalMarks}+", ""); 
} 

Jedna pułapka, U staną U, a nie Y. Nie wiem, czy to właśnie Ty jesteś po. Jeśli chcesz zastąpić wyraźną postacią, naprawdę musisz utworzyć mapowanie. Oczywiście, jest to żmudne dzieło, ale zostało zrobione w krótszym czasie niż było to konieczne.

Answer 2

Można przejść na odwrót i zapytać, czy postać jest postacią ascii.

public static boolean isAscii(char ch) { 
    return ch < 128; 
} 

Będziesz musiał przeanalizować ciąg znaków char przez oczywiście.

(metoda ta jest od commons-lang Charutils który zawiera mnóstwo przydatnych metod znaków)

Answer 3

Nie jestem pewien, ze swoim przykładzie, co próbujesz zrobić - jeśli jesteś po prostu staramy się zastąpić wszystkie nie-ASCII wartości za pomocą Y, możesz przeszukać ciąg szukający punktów kodowych spoza zakresu od 0 do 127 i zastąpić je kodami Y.

Answer 4

mogli Państwo pętla za pośrednictwem łańcucha i dla każdego połączenia znaków

If (Character.UnicodeBlock.of(c) != Character.UnicodeBlock.BASIC_LATIN) { 
// replace with Y 
} 

Answer 5

To nie jest dla mnie jasne, co dokładnie jest zdobyte przez przekształcenie „AÜXÜ” na „AYXY”. Czy to dlatego, że Ü jest wymawiane jak w danym języku? Jaki język? I jakie inne zasady mogą mieć zastosowanie?

---

Pod względem terminologii ...

"a" 

Powyższe jest ciągiem znaków Unicode. Zawiera pojedynczy kodowany znak UTF-16.

Jeśli chcesz ograniczyć zakres znaków do alfabetu angielskiego, spójrz na numer Normalization performed in this answer.

Answer 6

Klasa Character oferuje również kilka interesujących metod. Spójrz na to.

Character.UnicodeBlock.of('a') == Character.UnicodeBlock.BASIC_LATIN; //true 

Character.UnicodeBlock.of('�') == Character.UnicodeBlock.BASIC_LATIN; //false