Question

以下代码替换字符串中的特殊字符。例如，“áãç”变成“aac”。

import java.text.Normalizer;

public class Util {
    public static String formatString(String s) { 
        String temp = Normalizer.normalize(s, java.text.Normalizer.Form.NFD); 
        return temp.replaceAll("[^\\p{ASCII}]",""); 
        }
}

但是，实际上，我不明白它是如何工作的（我只知道它工作正常）。谁能解释一下？

Answer 1

\ p {ASCII} ==＆gt;所有ASCII：[\ x00- \ x7F]

[\x00-\x7F] ==＆gt;此范围是ascii字符。如果任何字符的ascii值落在此范围之间，则找到匹配。

[^\\p{ASCII}] ==＆gt;如果任何字符的ascii值不在此范围之间，则找到匹配。

检查Patter class的 POSIX字符类（仅限US-ASCII）部分

Answer 2

我很确定只添加正则表达式以确保没有任何“非法”仍然存在。

标准化器完成繁重的工作。根据javadoc，您可以查看“http://www.unicode.org/reports/tr15/tr15-23.html”以获取有关NFD标准化的更多信息。

Answer 3

NFD将字母分解为不同的代码点（例如，“à”被分解为“a，结合急性重音” - 两个unicode字符）。

Java regexes中的\p{ASCII}“class”表示所有也是ASCII字符的Unicode字符。

因此，正则表达式将删除所有不 ASCII的Unicode字符;结果。

Normalizer javadoc对Unicode {de，} composition有更好的解释。

请问你能解释这个正则表达式（替换字符串中的特殊字符）吗？

3 个答案: