Comment faire correspondre les caractères unicode en Java

Je m d'essayer de faire correspondre les caractères unicode en Java.

Chaîne D'Entrée: informa

Chaîne de match : informátion

Jusqu'à présent, j'ai essayé ceci:

Pattern p= Pattern.compile("informa[\u0000-\uffff].*", (Pattern.UNICODE_CASE|Pattern.CANON_EQ|Pattern.CASE_INSENSITIVE));
    String s = "informátion";
    Matcher m = p.matcher(s);
    if(m.matches()){
        System.out.println("Match!");
    }else{
        System.out.println("No match");
    }

Il ne sort qu'à "Aucun match". Des idées?

Que diriez -îñfórmåtìön? Faut-il "le Match!"?
Oui, ce serait l'idée. Pour l'instant, les plats ferait.

OriginalL'auteur ankimal | 2010-06-23

  1. 12

    Le terme de "caractères Unicode" n'est pas assez précis. Il pourrait correspondre à chaque personnage qui est dans la palette Unicode, donc aussi "normal" de caractères. Ce terme est cependant très souvent utilisée lorsque l'on fait signifie "les caractères qui ne sont pas dans le ASCII imprimables gamme".

    En regex des conditions qui seraient [^\x20-\x7E].

    boolean containsNonPrintableASCIIChars = string.matches(".*[^\\x20-\\x7E].*");

    En fonction de ce que tu aimerais faire avec cette information, voici quelques utiles de suivi des réponses:

    La java.texte.Normalisateur semble être la voie à suivre(point 2). Unicode correspondant juste ne semble pas fonctionner comme prévu et j'ai peut-être touché avec une baisse des performances, même si elle l'a fait.
    Si votre à l'exigence fonctionnelle est "get débarrasser des signes diacritiques", puis c'est en effet la voie à suivre. Votre première question n'était pas formulé comme ça 🙂
    Je pense que la question n'était pas limpide. L'objectif était d'être en mesure de correspondre à "l'information" avec "informátion", et donc la possibilité de faire correspondre 'a' avec toutes les formes de un comme 'á','å' etc. La suppression des signes diacritiques et puis correspondant semble être la voie à suivre.

    OriginalL'auteur BalusC

  2. 6

    Est-ce parce que informa n'est pas une sous-chaîne de informátion?

    Comment votre code de travail si vous avez supprimé le dernier a de informa dans votre regex?

    informa\u0301 travaille dans la chaîne de modèle. Cela a à voir avec le Modèle.CANON_EQ cas.
    J'ai oublié de mettre le lien de cette, java.sun.com/docs/books/tutorial/essential/regex/pattern.html (Motif.CANON_EQ)

    OriginalL'auteur Austin Fitzpatrick

  3. 1

    Il semble que vous voulez faire correspondre les lettres tout en ignorant les signes diacritiques. Si c'est à droite, puis normaliser vos chaînes NFD forme, bande les signes diacritiques, et ensuite faire votre recherche.

    String normalized = java.text.Normalizer.normalize(textToSearch, java.text.Normalizer.Form.NFD);
String withoutDiacritical = normalized.replaceAll("\\p{InCombiningDiacriticalMarks}+", "");
//Search code goes here...

    Pour en savoir plus à propos de NFD:

    OriginalL'auteur james.garriss