简单的规范化文本示例不起作用

Question

我正在尝试分解一些文本。 此处的示例： http : //docs.oracle.com/javase/6/docs/api/java/text/Normalizer.html

  U+00C1    LATIN CAPITAL LETTER A WITH ACUTE (Á)

或作为两个单独的字符（“分解”形式）：

  U+0041    LATIN CAPITAL LETTER A
  U+0301    COMBINING ACUTE ACCENT

我正在从Oracle跟踪此教程页面： http : //docs.oracle.com/javase/tutorial/i18n/text/normalizerapi.html

这个简单的案例对我不起作用：

• 原始词： "schön"
• NFC： "schön"
• NFD： "scho\̈n"
• NFKC： "schön"
• NFKD： "scho\̈n"

在上述所有情况下，函数Normalizer.normalize("schön", form) （其中form是Normalizer.Form.NFC ， Normalizer.Form.NFD等之一），结果是相同的： "schön"

在Eclipse JDT中使用Linux上的Oracle JDK 1.6或1.7安装时，此代码不起作用。

String n = Normalizer.normalize("schön", Normalizer.Form.NFD);

结果n始终为“schön”。

这种“问题”的气味类似于（1）我完全误解了此功能，或者（2）恶劣的环境。 我被困住了。 有什么建议么？ 我的系统设置非常原始。

Answer 1

归功于@ R.MartinhoFernandes。 我不知道结果将规范地等于输入。 我今天学到了一些有关Unicode分解/合成的新知识。

简而言之：

String.valueOf('Á').equals(String.valueOf('\u00C1'))
String.valueOf('A').equals(String.valueOf('\u0041'))

和：

Normalizer.normalize("Á", Normalizer.Form.NFD).equals("\u0041\u0301")
!String.valueOf('Á').equals("\u0041\u0301")

但：

System.out.println("Á\u0041\u0301")

将打印：

ÁÁ

Answer 2

只需执行此操作，它将完成以下工作：

String n = Normalizer.normalize("schön", Normalizer.Form.NFD).replaceAll("\\p{InCombiningDiacriticalMarks}+", "");