Question

如何使用Regex在c＃中搜索字符串，忽略重音;

例如在Notepad ++中，对于古希腊语，使用正则表达式进行搜索： [[=α=]] 将返回：α，ἀἀ，ᾶ，ὰ，ά，ᾳ，< / strong> ....

我知道Notepad ++正在使用PCRE标准。如何在c＃中执行此操作？是否存在等价语法？

修改：

我已经尝试过字符串规范化了。不适合希腊人。例如：“ᾶ”.Normalize（NormalizationForm.FormC）将返回ᾶ。看起来规范化仅在“组合字符”的情况下删除重音符号。 ᾶ字符是Unicode中的单独字符！

Answer 1

System.String.Normalize方法似乎仍然是解决此问题的关键。

using System;
using System.Text;
using System.Text.RegularExpressions;
using System.Globalization;
using System.Linq;

public class Program
{
    public static void Main()
    {
        string rawInput = "ἀἁἂἃἄἅἆἇὰάᾀᾁᾂᾃᾄᾅᾆᾇᾰᾱᾲᾳᾴᾶᾷ";
        Console.WriteLine(rawInput);
        string normalizedInput = Utility.RemoveDiacritics(rawInput);    
        string pattern = "α+";

        var result = Regex.Matches(normalizedInput, pattern);
        if(result.Count > 0)
            Console.WriteLine(result[0]);    
    }
}

public static class Utility
{
    public static string RemoveDiacritics(this string str)
    {
        if (null == str) return null;
        var chars =
            from c in str.Normalize(NormalizationForm.FormD).ToCharArray()
            let uc = CharUnicodeInfo.GetUnicodeCategory(c)
            where uc != UnicodeCategory.NonSpacingMark
            select c;

        return new string(chars.ToArray()).Normalize(NormalizationForm.FormC);
    }
}

输出：

ἀἁἂἃἄἅἆἇὰάᾀᾁᾂᾃᾄᾅᾆᾇᾰᾱᾲᾳᾴᾶᾷᾶ
αααααααααααααααααααααααααα

Demo

Kaplan的原创方法：

static string RemoveDiacritics(string text) 
{
    var normalizedString = text.Normalize(NormalizationForm.FormD);
    var stringBuilder = new StringBuilder();        
    foreach (var c in normalizedString)
    {
        var unicodeCategory = CharUnicodeInfo.GetUnicodeCategory(c);
        if (unicodeCategory != UnicodeCategory.NonSpacingMark)
        {
            stringBuilder.Append(c);
        }
    }       
    return stringBuilder.ToString().Normalize(NormalizationForm.FormC);
}

参考文献：

Michael S. Kaplan：FoldString.NET? No, but Whidbey has Normalization (which is kinda more cooler)
Michael S. Kaplan：Stripping is an interesting job (aka On the meaning of meaningless, aka All Mn characters are non-spacing, but some are more non-spacing than others)
采用的代码：另请参阅：How do I remove diacritics (accents) from a string in .NET?

PS：不幸的是，PCRE.NET，Lucas Trzesniewski的PCRE库的.NET包装器不支持（扩展）POSIX整理元素。

Answer 2

有几个问题可能有助于已经得到解答 -

How do I remove diacritics (accents) from a string in .NET?

Regex accent insensitive?

C＃中关于字符等价的正则表达式

2 个答案: