RegEx：用另一个字符串拆分字符串，包括变音符号

Question

我一直在尝试通过C＃中的RegEx.Split()方法将字符串拆分为另一个字符串。 数据或分离器都可能有变音符号。

让我举个例子：

数据： education

分离器： dù

预期结果： e / du / cation

- 或 -

数据： èdùcation

分离器： ed

预期结果： èd / ùcation

有可能吗？ 如果是的话，你能帮我写一下这个模式吗？

Answer 1

.NET的正则表达式引擎中没有“忽略变音符号”的选项，但是可以通过使用Unicode普通形式-D（用于“分解”）来解决它。 这是未经测试的。

重音字符可以用两种方式表示：

• 作为单个预先编写的代码点。例如。 U + 00F9（带坟墓的拉丁文字母小写）。
• 作为基本代码点后跟一个或多个组合字符。例如。 U + 0075，U-0300（拉丁文小写字母U，结合严重重音）。

因此，如果您确保输入数据被分解（使用String.Normalise(normalization)传递NormalizationForm.FormD），并且模式中任何可能重音的字符都被替换为

B\p{Mc}*

基本字符B，后跟Unicode类别“Mark，Spacing Combining”中的零个或多个代码点。

要在输出中包含与正则表达式匹配的文本，请将其捕获，以便匹配并捕获du和dù使用(du\p{Mc}*)。