我正在尝试删除希伯来语变音符号。除了给定的变音符,我需要删除所有给定字母之后的变音符。
这是我无法工作的RemoveDiacritics
(请参阅fiddle):
public static string RemoveDiacritics(Dictionary<char, char[]> exclude, string source)
{
// Exclude letters (using a lookbehind), include diacritics
string match = "(?<=[א-ת])[\u05b0-\u05c2]";
// Prepare the exclusion group
string exclusionGroup = string.Join("|", exclude.Select(p =>
string.Concat(p.Key, string.Join(string.Empty, p.Value)))
);
// Create the exclusion group (using a lookahead)
string except = $"(?!{exclusionGroup})";
// Do the match
return Regex.Replace(source, string.Concat(except, match), string.Empty);
}
我用以下方法进行了测试:
static void Main(string[] args)
{
string source = "חָזִיתִי כְּמִבַּעַד לֶעָשָׁן בְּקִמּוּרֵי הָרֶסֶס הַלָּבָן";
Dictionary<char, char[]> exclude = new Dictionary<char, char[]>
{
{'\u05db', new char[] {'\u05bc' } }, // כּ
{'\u05d1', new char[] {'\u05bc', '\u05b7' } }, // בַּ
};
string replaced = RemoveDiacritics(exclude, source);
}
预期结果:"חזיתי כּמבַּעד לעשן בקמורי הרסס הלבן"
(第二个单词中只有2个字母应带有变音符号)。
实际结果:"חזיתי כְמִבַעד לעשָן בְקמורי הרסס הלָבן"
在我的实际结果中,您可以看到:
任何带有'\u05bc'
(在字母内的小点 )和一个附加变音符的字母都被错误地留下了该附加变音符。
此外,מִ
和שָ
上还有变音符号(分别位于第二和第三个单词上)。不知道为什么。
我如何使其工作?
答案 0 :(得分:2)
您的RemoveDiacritics
方法应类似于
public static string RemoveDiacritics(Dictionary<char, char[]> exclude, string source)
{
string exclusionGroup = string.Join("|", exclude.Select(p => string.Concat(p.Key, string.Join(string.Empty, p.Value))));
string leaveOnly = String.Concat(String.Format(@"({0})|\p{{M}}+", exclusionGroup));
return Regex.Replace(source, leaveOnly, "$1");
}
它的作用是:
exclusionGroup
是根据exclude
个字符创建的,这只是一个交替序列leaveOnly
是正则表达式模式,其形式为(<what_you_need_to_keep>)|\p{M}+
,它与您捕获(忽略)到组1中的内容相匹配并捕获,并且与任何1个以上变音符都匹配使用\p{M}+
模式。$1
的所有者,用于将其恢复为结果字符串。这里是online C# demo。