在Java中将光学等效的unicode字符串转换为ASCII？

Question

我运行的社交网络要求unicode用户名是唯一的（如预期的那样）。

一些有创意的用户已经开始使用西里尔语（和其他）unicode字符创建光学等效（但不同于unicode）的用户名。

例如，他们会使用西里尔字母小写字母'а'，看起来与罗马字母相同。

有没有人知道在Java中自动转换这些光学等效字符的方法？如果机制已经存在，我宁愿不必手动创建转换表。

Answer 1

你可以尝试Unicode normalization - 基本上，无法区分的代码点指定了一个“规范”代码点，规范化是用规范形式替换每个字符的过程。

Java似乎通过java.text.Normalizer支持Unicode规范化 - 更多信息here。

但是，我不确定拉丁语A和西里尔语A在Unicode中被标记为等效 - 您必须尝试。

当您的用户开始使用非常相似的而不是相同的字符时，这也无济于事 - 人类非常有创造力，技术解决方案可能无法100％在此工作，因此，无论如何你可能不得不求助于人类节制。

还有一些其他解决方案 - 例如，将用户名限制为拉丁字母数字。

Answer 2

为什么不尝试应用OCR库。