如何匹配特定字符的所有重音形式？答案

【问题标题】：How to match all accented forms of a particular character?如何匹配特定字符的所有重音形式？
【发布时间】：2012-02-17 02:30:38
【问题描述】：

我想编写一个正则表达式，它将匹配使用某种 Unicode 编码编码的文本中特定字符的所有重音形式，而无需在字符类中明确列出所有此类形式。

因此，例如，如果我想匹配 a 的任何重音版本，[aàáâãäå] 是不够的，因为它只获得了 ISO-8859-1 中的 a，并且很可能是那里没有出现的其他口音。可以接受的东西是\p{Base_Character: a}，如果在Unicode中定义了这样的东西。确实存在这样的东西吗？

编辑：我无法先将字符串 ASCII 化 --- 该字符串位于我无法直接访问的数据库中。事实上，我在这里没有任何代码级访问权限。我能给出的唯一输入是一个正则表达式。

【问题讨论】：

标签： regex unicode pcre

【解决方案1】：

不，除了列出重音版本的相关代码之外，不存在任何库。即使在 UTF-8 中，我也没有在代码中看到任何可辨别的模式。不过老实说，列出其他重音版本不会花费太长时间。

【讨论】：

【解决方案2】：

我认为你做不到。根据您的语言/平台和需求，一种可能会有所帮助的解决方法是在匹配a 之前对您的字符串进行“ascii-fy”。例如，在 Java 中：

    String s1 = "Hernán";
    String s2  = Normalizer.normalize(s1, Normalizer.Form.NFD).replaceAll("[^\\p{ASCII}]", "");
            // s2: "Hernan"
    System.out.println(s2);
    System.out.println(s2.matches(".*a.*"));

【讨论】：