我如何將Java Regex用於土耳其語字符到UTF-8

Question

我正在嘗試用Java進行正則表達式操作。 但是當我搜索土耳其文本時，我遇到了麻煩。 例如;

Search Text = "Ahmet Yıldırım" or "Esin AYDEMİR" 

//The e-mail stated in part(Ex: yildirim@example.com) , trying to look in name.
Regex Strings = "yildirim" or  "aydemir". 

搜索的文本是動態變化的。因此，如何通過使用java正則表達式模式來解決這個問題。 或者我如何轉換土耳其字符（ Ex: AYDEMİR convert to AYDEMIR或Yıldırım -> Yildirim ）。

對不起，關於我的語法錯誤！...

Answer 1

使用Pattern.CASE_INSENSITIVE和Pattern.UNICODE_CASE標志：

Pattern p = Pattern.compile("yildirim", Pattern.CASE_INSENSITIVE | Pattern.UNICODE_CASE);

在ideone上演示

默認情況下， Pattern.CASE_INSENSITIVE僅對US-ASCII字符集中的字符不區分大小寫。 Pattern.UNICODE_CASE修改行為​​，使其與所有Unicode字符不區分大小寫。

請注意，Java regex中的Unicode不區分大小寫的匹配是以對文化不敏感的方式完成的。 因此， ı ， i ， I ， İ被認為是相同的角色。

根據您的使用情況，如果要禁用模式中的所有元字符，或者僅使用Pattern.quote()轉義模式的文字部分，則可能需要使用Pattern.LITERAL

Answer 2

您評論中的問題比原始評論更復雜。

您可以使用

string=Normalizer.normalize(string, Normalizer.Form.NFD).replaceAll("\\p{Mn}", "");

將"İÖÜŞÇĞıöüşçğ"轉換為"IOUSCGıouscg" ，這已經足夠用於nhahtdh指出的不區分大小寫的匹配。 如果要執行區分大小寫的匹配，則必須添加.replace('ı', 'i')以匹配ı與i 。

Answer 3

我正在使用這種模式。

public static boolean isAlphaNumericWithWhiteSpace(String text) {
        return text != null && text.matches("^[\\p{L}\\p{N}ın\\s]*$");
    }

\\ p {L}匹配“字母”類別中的單個代碼點。

\\ p {N}匹配任何腳本中的任何數字字符。

Answer 4

用於替換土耳其語字符的git hub url https://gist.github.com/onuryilmaz/6034569

在java string.matches(".*[İÖÜŞÇĞıöüşçğ]*.")將檢查字符串是否包含土耳其章程。