RegexOptions.CultureInvariant 找不到口音匹配项[重复]

Question

我想创建一个忽略重音的正则表达式。

例如：

string s = "I am an old élephant";
string pattern = "elephant";
bool result = new Regex(pattern, RegexOptions.CultureInvariant).IsMatch(s);

我测试时的文化是：

System.Globalization.CultureInfo.CurrentCulture = Fr-fr

所以我本以为这段代码会找到匹配项，但事实并非如此。

有没有简单的方法来匹配这个？

我正在尝试创建一个 StringReplace 重载方法，将 élèphânt 替换为大象等。

Answer 1

使用以下方法：

    public string removeDiacritics(string str)
    {
        var sb = new StringBuilder();

        foreach (char c in str.Normalize(NormalizationForm.FormD))
        {
            if (CharUnicodeInfo.GetUnicodeCategory(c) != UnicodeCategory.NonSpacingMark)
            {
                sb.Append(c);
            }
        }
        return sb.ToString().Normalize(NormalizationForm.FormC);
    }

然后就可以了

        string s = "I am an old élephant";
        string pattern = "elephant";
        bool result = new Regex(pattern, RegexOptions.IgnoreCase).IsMatch(removeDiacritics(s)); //true

如果您必须更换某些东西，例如迭代（向后）匹配集合并根据每个匹配项的索引编辑原始字符串。

说明：（我用的是“I am an old élephant”字符串）

让我们将原始字符串的所有字符写入一个列表：

foreach (char c in str)
{
    chars1.Add(c);
}

如您所见，char 定义为 unicode char 233 或 00E9（请参阅 http://unicode-table.com/de/#00E9）

这里解释了规范化 https://msdn.microsoft.com/en-us/library/system.text.normalizationform(v=vs.110).aspx

正如文档所说： 表格 D：

Indicates that a Unicode string is normalized using full canonical decomposition.

这意味着 char é 被“拆分”为一个 e 和一个重音字符。

为了检查这一点，让我们输出标准化字符串的字符：

List<char> chars2 = new List<char>();
foreach(char c in str.Normalize(NormalizationForm.FormD))
{
    chars2.Add(c);
}

正如手表中所见，é 现在被规范化为 2 个字符（101 (\u0065) + 769 (\u0301)）

现在我们必须消除这些重音： 遍历规范化字符串的所有字符，如果它是“NonSpacingMark”，则将其添加到 StringBuilder。

MSDN： https://msdn.microsoft.com/en-us/library/system.globalization.unicodecategory(v=vs.110).aspx

非间距标记

指示对基本字符进行修改的非空格字符。 由 Unicode 名称“Mn”（标记，非空格）表示。这 值为 5。

最后，为了确保所有其他字符（现在在我们的字符串中定义为 2 或 3 个字符）都“转换”为 unicode 字符符号，我们必须将新字符串规范化回 FormC。

MSDN： C型：

表示使用完整规范对 Unicode 字符串进行规范化 分解，然后用它们的序列替换 如果可能的话，使用初级复合材料。

Answer 2

如果您想使用正则表达式，您可以使用\P{L} 来声明给定的 unicode 字符是一个字母。

        string s = "I am an old ùûüÿàâçéèêëïîô";
        string pattern = @"(\p{L})";
        var regex = new Regex(pattern);
        var result = regex.Replace(s, @"$1");
        Console.WriteLine(result);//I am an old uuuyaaceeeeiio

Answer 3

您正在指定一个 CultureIn 变体正则表达式。这意味着您的文化被忽略。因此，您要么必须删除该选项...

bool result = new Regex(pattern).IsMatch(s);

...或者，如果您想独立于文化，请扩展您的模式：

string pattern = "[eé]lephant";