如何在Java中规范化/淡化文本？我目前正在使用java.text.Normalizer：
Normalizer.normalize(str, Normalizer.Form.NFD)
.replaceAll("\\p{InCombiningDiacriticalMarks}+", "")
但它远非完美。例如，它保留挪威字符æ和ø不变。有没有人知道另一种选择？我正在寻找能够将各种语言的字符转换为a-z范围的东西。我意识到有不同的方法可以做到这一点（例如，应该将其编码为'a'，'e'或甚至'ae'？）并且我愿意接受任何解决方案。我宁愿不自己写点东西，因为我认为我不太可能为所有语言做得好。表现并不重要。
用例：我想将用户输入的名称转换为普通的a-z范围名称。转换后的名称将显示给用户，因此我希望它尽可能地匹配用户用其原始语言编写的内容。
修改
好的人，谢谢你否定帖子而不是解决我的问题，耶！ :)也许我应该省略用例。但请允许我澄清一下。我需要转换名称才能在内部存储它。 我无法控制此处允许的字母选择。用户可以看到该名称，例如URL。与您在此论坛上的用户名进行规范化相同的方式，如果您点击您的名字，则会在URL中向您显示。这个论坛将“Băşan”等名称转换为“baan”，将名称“Øyvind”转换为“yvind”。我相信它可以做得更好。我正在寻找想法，最好是图书馆功能为我这样做。我知道我做不到，我知道“o”和“ø”不同等，但如果我的名字是“Øyvind”并且我在一个在线论坛上注册，我可能更喜欢我的用户名是“ oyvind“而不是”yvind“。希望这有任何意义！谢谢！
（不，我们不允许用户选择自己的用户名。我真的只是在寻找java.text.Normalizer的替代品。谢谢！）
答案 0 :(得分：2)
假设你已经考虑了你正在做的所有影响，所有它可能出错的方式，当你得到中文象形图和其他没有拉丁字母相同的东西时你会做什么...
我所知道的图书馆没有你想做的。如果你有一个等价列表（如你所说，'æ'到'ae'或其他什么），你可以将它们存储在一个文件中（或者，如果你这么做，在内存中的排序数组中，出于性能原因）然后进行查找并按字符替换。如果你在内存中有空间来存储（unicode字符的数量）作为一个char数组，那么能够运行每个字符的unicode值并进行直接查找将是最有效的。
即，/ u1234 =＆gt; lookupArray [1234] =＆gt; 'Q'
或其他什么。
所以你将有一个看起来像这样的循环：
StringBuffer buf = new StringBuffer();
for (int i = 0; i < string.length(); i++) {
buf.append(lookupArray[Character.unicodeValue(string.charAt(i))]);
}
我是从头开始编写的，所以可能会有一些不好的方法调用。
你可能需要做一些事情来处理分解的字符，可能还有一个先行缓冲区。
祝你好运 - 我确信这充满了陷阱。