Java正则表达式：在带有重音符号的文本中搜索不带重音符号的字符串

Question

在我的Java应用程序中，我想使用一个正则表达式来知道文本中是否存在字符串。

我要介绍的情况是这种情况：假设我的原始文字是以下法语文字（带有重音符号）：

démo test

我想使用正则表达式了解文本中是否存在单词demo（无重音）。关键是：我无法更改原始文本（例如，我不能使用Normalizer.normalize()，因为我正在使用以正则表达式作为参数的库。

这是我尝试过的：

• 如果我使用"(?i)démo"，则有一个匹配项（因为存在démo）
• 如果我使用"(?i)demo"，则没有匹配项，但我也想在这里进行匹配。我希望正则表达式对重音不敏感。

到目前为止，我还没有找到可以涵盖该特定情况的正则表达式。

有没有可以解决这种情况的正则表达式？

感谢您的帮助。

Answer 1

假设您确实无法更改输入文本，则可以执行以下操作：

如果输入文本采用分解形式，则意味着démo由unicode码点d e COMBINING ACUTE ACCENT m o组成，您可以选择匹配重音：

de\pM?mo

其中\pM描述unicode属性"Mark"。这将匹配所有标记。如果您只关心确切的口音，也可以选择直接匹配\u0301

如果您的文本采用组成格式，则意味着démo由Unicode代码点d LATIN SMALL LETTER E WITH ACUTE m o组成，您只需要在正则表达式中手动进行匹配：

d(e|é)mo

Answer 2

一种方法是修改regex文字以搜索并替换带重音符号的
带有类的字符。

 Regex string           Replace string
---------------------------------------------
Find any one          Replace with this lieral:
of these:

 [aâàä]         ->       [aâàä]
 [cç]           ->       [cç]
 [eéèêë]        ->       [eéèêë]
 [iîï]          ->       [iîï]
 [oô]           ->       [oô]
 [uùûü]         ->       [uùûü]
 [?œ]           ->       ????

这需要在搜索字符串上运行7个独立的正则表达式。
这将是全局查找/替换操作，共七次。