Question

我正在努力让西里尔语成为拉丁文，所以我可以将它们放在网址中。我使用icu4j音译器，但它仍然会给出这样奇怪的字符：Vil'ândimaa。它应该更像是 viljandimaa 。当我复制那个网址时，这些字母会变成％..有些无用。

有人知道如何使用icu4j将西里尔语变成a-z吗？

更新

无法自己回答，但发现这个非常有用的问题：Converting Symbols, Accent Letters to English Alphabet

Answer 1

修改identifier以执行您想要的操作。您可以使用带有Remove转换的正则表达式删除不需要的字符。

例如，考虑字符串“'Eéматематика”：

"'E\u00E9 \u043c\u0430\u0442\u0435\u043c\u0430\u0442\u0438\u043a\u0430"

标识符"Any-Latin; NFD; [^\\p{Alnum}] Remove"将音译为拉丁语（可能仍包含重音符号），将重音字符分解为字母和变音符号，并删除任何非字母数字的字符。结果字符串是“Eematematika”。

您可以在ICU网站的General Transforms下阅读更多有关标识符的内容。

示例：

//import com.ibm.icu.text.Transliterator;
String greek
       = "'E\u00E9 \u043c\u0430\u0442\u0435\u043c\u0430\u0442\u0438\u043a\u0430";
String id = "Any-Latin; NFD; [^\\p{Alnum}] Remove";
String latin = Transliterator.getInstance(id)
                             .transform(greek);
System.out.println(latin);

针对ICU4J 49.1进行测试。

Answer 2

不知道icu4j，但in the Unicode table Cyrillic takes只是一小部分。我没有转换到工作不清楚的第三方库，而是为每个西里尔符号定义音译序列并自己进行翻译。

P.S。什么语言单词“viljandimaa”来自哪里？对我来说听起来不像西里尔字母......

Answer 3

看看： https://ru.stackoverflow.com/questions/633355/Показать-правильный-пример-транслитерации-на-java

添加保密性

<dependency>
    <groupId>com.ibm.icu</groupId>
    <artifactId>icu4j</artifactId>
    <version>63.1</version>
</dependency>

音译：

var CYRILLIC_TO_LATIN = "Latin-Russian/BGN"
// var CYRILLIC_TO_LATIN = "Russian-Latin/BGN"
Transliterator toLatinTrans = Transliterator.getInstance(CYRILLIC_TO_LATIN);
String result = toLatinTrans.transliterate(st);
System.out.println(result);

icu4j西里尔语到拉丁语

3 个答案: