如何知道一个字符串是否包含口音

Question

如何知道一个字符串是否包含口音？

Answer 1

if (Pattern.matches(".*[éèàù].*", input)) { 
    .... 
} 

要将该列表

Answer 2

我认为你可以做的最好的事情就是使用一个标准化器，它将带有重音符的unicode字符分成两个独立的字符。 Java在类Normalizer中包括这个，参见here。

此，例如，将分裂

U+00C1 LATIN CAPITAL LETTER A WITH ACUTE 

到

U+0041 LATIN CAPITAL LETTER A 
U+0301 COMBINING ACUTE ACCENT 

，并会做这对于具有重音符号或其他变音标记（http://en.wikipedia.org/wiki/Diacritic）每个字符。

然后你可以检查产生的CharSequence是否有一些重音字符（并且这意味着硬编码它们），或者简单地检查标准化版本是否等于起始字符，这意味着没有任何已分解的字符。 Java Normalizer已在isNormalized(CharSequence src, Normalizer.Form form)中有此功能，但您应该查看各种表单以查看是否有适合您的需求的表单。

编辑：如果你只需要基本的口音的支持（像是刚èE中的O I U）你可以去大江户选择，如果你需要为所有现有的口音全力支持，更是疯狂硬编码他们都..

Answer 3

要做到这一点是使用normalize(str,NFD)从java.text.Normalizer，然后删除普通类马克\pM或无空格的字符的正确方法什么口音加马克\p{Mn}。 Java不支持标准Unicode属性\p{Diacritic}或者您可以使用它。请注意，并非所有的变音符号都是非间距符号，反之亦然。

但是，这可能是错误的事情。如果您尝试执行不区分重音的字符串搜索和比较，则正确的方法是将字符串保持原样。您需要创建一个级别设置为1（或者说，PRIMARY）的UCA排序规则对象，然后使用它来比较您的字符串。如果字符串在主要强度上比较相等，则忽略重音标记等内容。

Here are examples在Java中如何使用ICU的Collat​​or类来做到这一点。如果你使用正确的UCA collators，那么你不必规范化;他们为你照顾这件事。

This answer在Perl中使用了两个UCA collat​​or对象，一个用于主要强度以完全忽略用于字符串搜索和比较的重音符号，另一个用于允许区分次要强度的变音符号与Unicode的正常区别。