我正在编写代码来删除一个字符串的所有变音符号。
例如:áÁéÉíÍóÓúÚääëËïÏöÖüÜñÑ
我正在使用 Unicode 的属性 InCombiningDiariticMarks
。但我想忽略 ñ
和 Ñ
的替换。
现在我保存这两个字符,然后替换为:
s = s.replace('ñ', '\001');
s = s.replace('Ñ', '\002');
可以使用 InCombiningDiariticMarks
忽略 ñ
和 Ñ
的变音符号。
这是我的代码:
public static String stripAccents(String s)
{
/*Save ñ*/
s = s.replace('ñ', '\001');
s = s.replace('Ñ', '\002');
s = Normalizer.normalize(s, Normalizer.Form.NFD);
s = s.replaceAll("[\\p{InCombiningDiacriticalMarks}]", "");
/*Add ñ to s*/
s = s.replace('\001', 'ñ');
s = s.replace('\002', 'Ñ');
return s;
}
它工作正常,但我想知道是否可以优化此代码。
最佳答案
这取决于您所说的“优化”的含义。减少所编写的代码行数很困难,但由于您要处理字符串六次,因此可以通过仅逐个字符地处理输入字符串一次来提高性能:
public class App {
// See SO answer https://stackoverflow.com/a/10831704/2985643 by virgo47
private static final String tab00c0
= "AAAAAAACEEEEIIII"
+ "DNOOOOO\u00d7\u00d8UUUUYI\u00df"
+ "aaaaaaaceeeeiiii"
+ "\u00f0nooooo\u00f7\u00f8uuuuy\u00fey"
+ "AaAaAaCcCcCcCcDd"
+ "DdEeEeEeEeEeGgGg"
+ "GgGgHhHhIiIiIiIi"
+ "IiJjJjKkkLlLlLlL"
+ "lLlNnNnNnnNnOoOo"
+ "OoOoRrRrRrSsSsSs"
+ "SsTtTtTtUuUuUuUu"
+ "UuUuWwYyYZzZzZzF";
public static void main(String[] args) {
var input = "AaBbCcáÁéÉíÍóÓúÚäÄëËïÏöÖüÜñÑçÇ";
var output = removeDiacritic(input);
System.out.println("input = " + input);
System.out.println("output = " + output);
}
public static String removeDiacritic(String input) {
var output = new StringBuilder(input.length());
for (var c : input.toCharArray()) {
if (isModifiable(c)) {
c = tab00c0.charAt(c - '\u00c0');
}
output.append(c);
}
return output.toString();
}
// Returns true if the supplied char is a candidate for diacritic removal.
static boolean isModifiable(char c) {
boolean modifiable;
if (c < '\u00c0' || c > '\u017f') {
modifiable = false;
} else {
modifiable = switch (c) {
case 'ñ', 'Ñ' ->
false;
default ->
true;
};
}
return modifiable;
}
}
这是运行代码的输出:
input = AaBbCcáÁéÉíÍóÓúÚäÄëËïÏöÖüÜñÑçÇ
output = AaBbCcaAeEiIoOuUaAeEiIoOuUñÑcC
输入字符串中没有变音符号的字符不会被修改。否则,变音符号将被删除(例如,Ç
变为 C
),ñ
和 Ñ
的情况除外。
注释:
- 该代码根本不使用
Normalizer
类或InCombiningDiariticMarks
。相反,它仅处理输入字符串中的每个字符一次,并在适当的情况下删除其重音。据我所知,删除变音符号的传统方法(如OP中使用的)不支持选择性删除。 - 代码基于 on an answer by user virgo47 ,但经过增强以支持选择性删除重音。有关将重音字符映射到其非重音字符的详细信息,请参阅 virgo47 的回答。
- 此解决方案仅适用于 Latin-1/Latin-2,但可以进行增强以支持其他映射。
- 您的解决方案非常简短且易于理解,但感觉很脆弱,并且对于大量输入,我怀疑它会比仅处理每个字符一次的方法慢得多。
关于java - 如何使用 InCombiningDiariticMarks 忽略一种情况,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/60747707/