Perché non © appiattita a D durante la rimozione Accenti/diacritici

Question

sto usando questo metodo per rimuovere gli accenti dalle mie corde:

static string RemoveAccents(string input) 
{ 
    string normalized = input.Normalize(NormalizationForm.FormKD); 
    StringBuilder builder = new StringBuilder(); 
    foreach (char c in normalized) 
    { 
     if (char.GetUnicodeCategory(c) != 
     UnicodeCategory.NonSpacingMark) 
     { 
      builder.Append(c); 
     } 
    } 
    return builder.ToString(); 
} 

ma questo metodo lascia ¹ come DJ e non cambiarla a d, anche se d è il suo carattere di base. puoi provarlo con questa stringa di input "æøåáâăäĺćçčéęëěíîďđñňóôőöřůúűüýţ"

Cosa c'è di così speciale nella lettera đ?

Answer 1

La risposta per perché non funziona è che l'affermazione che "d è il suo carattere di base" è falsa. U + 0111 (LETIN SMALL LETTER D WITH STROKE) ha categoria Unicode "Letter, Lowercase" e non ha alcuna mappatura di scomposizione (cioè, non si decompone in "d" seguito da un segno di combinazione).

"đ".Normalize(NormalizationForm.FormD) restituisce semplicemente "đ", che non viene rimosso dal ciclo perché non è un segno di spaziatura.

Un problema simile esiste per "ø" e altre lettere per le quali Unicode non fornisce alcuna mappatura di scomposizione. (E se stai cercando di trovare il "miglior" carattere ASCII per rappresentare una lettera Unicode, questo approccio non funzionerà affatto per caratteri cirillici, greci, cinesi o altri alfabeti non latini; per esempio, potresti voler convertire "ß" in "ss". Utilizzare una libreria come UnidecodeSharp può essere d'aiuto.)

Answer 2

devo ammettere che io non sono sicuro perché questo funziona, ma sembra sicuro di

var str = "æøåáâăäĺćçčéęëěíîďđńňóôőöřůúűüýţ"; 
var noApostrophes = Encoding.ASCII.GetString(Encoding.GetEncoding("Cyrillic").GetBytes(str)); 

=> "aoaaaaalccceeeeiiddnnooooruuuuyt"

Answer 3

"D with stroke" (Wikipedia) viene utilizzato in diverse lingue, e sembra essere considerato una lettera distinta in tutti loro - ed è per questo che rimane invariato.

Answer 4

questo dovrebbe funzionare

private static String RemoveDiacritics(string text) 
    { 
     String normalized = text.Normalize(NormalizationForm.FormD); 
     StringBuilder sb = new StringBuilder(); 

     for (int i = 0; i < normalized.Length; i++) 
     { 
      Char c = normalized[i]; 
      if (CharUnicodeInfo.GetUnicodeCategory(c) != UnicodeCategory.NonSpacingMark) 
       sb.Append(c); 
     } 

     return sb.ToString(); 
    }