Un modo semplice per rimuovere gli accenti UTF-8 da una stringa?

Question

Voglio modificare questa frase:

Et ça sera sa moitié.

A:

Et ca sieri sa moitie.

C'è un modo semplice per farlo in Java, come farei in Objective-C?

NSString *str = @"Et ça sera sa moitié."; 
NSData *data = [str dataUsingEncoding:NSASCIIStringEncoding allowLossyConversion:YES]; 
NSString *newStr = [[NSString alloc] initWithData:data encoding:NSASCIIStringEncoding]; 

Answer 1

Finalmente ho risolto:

public static String stripAccents(String s) 
{ 
    s = Normalizer.normalize(s, Normalizer.Form.NFD); 
    s = s.replaceAll("[\\p{InCombiningDiacriticalMarks}]", ""); 
    return s; 
} 

Answer 2

Supponendo che si sta utilizzando Java 6 o più recente, si potrebbe voler dare un'occhiata a Normalizer, che può decomporre accenti, quindi utilizzare una regex per mettere a nudo la combinando accenti.

In caso contrario, si dovrebbe essere in grado di ottenere lo stesso risultato utilizzando ICU4J.

Answer 3

Forse il modo più semplice e più sicuro sta usando StringUtils da Apache Commons Lang

StringUtils.stripAccents(String input) 

Rimuove i segni diacritici (~ = accenti) da una stringa. Il caso non sarà modificato . Ad esempio, 'à' sarà sostituito da 'a'. Si noti che le legature rimarranno invariate.

StringUtils. stripAccents()

Answer 4

grazie

public static final Pattern DIACRITICS_AND_FRIENDS = Pattern.compile(
           "[\\p{InCombiningDiacriticalMarks}\\p{IsLm}\\p{IsSk}]+"); 

private static String stripDiacritics(String str) { 
    str = Normalizer.normalize(str, Normalizer.Form.NFD); 
    str = DIACRITICS_AND_FRIENDS.matcher(str).replaceAll(""); 
    return str; 
} 

=> stripDiacritics ("Et Ça sieri sa moitié.");

Answer 5

Immagino che l'unica differenza è che io uso un + e non un [] rispetto alla soluzione. Penso che entrambi funzionino, ma è meglio averlo anche qui.

String normalized = Normalizer.normalize(input, Normalizer.Form.NFD); 
String accentRemoved = normalized.replaceAll("\\p{InCombiningDiacriticalMarks}+", "");