java - 删除 Java 中的 dakuten/handakuten(又名十-十，ぱ→は)

Question

许多日语平假名和假名都有 dakuten 和 handakuten 变体。
示例:ha 变成 ば 或 ぱ(注意 ゛ 和 ₩ 部分)

问题:如何在 Java 中从字符串中删除这些？

例如，我想让はばぱハパ1aあア亜变成ハハハハ1aあア亜。

性能很重要。

上下文:将内容与遗留系统相匹配。

Answer 1

带(汉)打天的字符可以分解为假名和组合标记，Java 在java.text 中有Normalizer 类。

String decomposed = Normalizer.normalize(input, Normalizer.Form.NFD);

然后可以使用 replace 或 replaceAll 删除组合 (han)dakuten 标记，例如

String noVoicingMarks = decomposed.replace("\u3099", "").replace("\u309A", "");

或者(在我的测试中快一点)

String noVoicingMarks = decomposed.replaceAll("\u3099|\u309A", "");