用等效替换特殊字符答案

【问题标题】：Replace special characters by equivalent用等效替换特殊字符
【发布时间】：2012-10-07 18:31:25
【问题描述】：

如何将以下特殊字符替换为等效字符？

元音：ÁÉÍÓÚáéíóú 分别来自 AEIOUaeiou。和字母Ñ由N。

表达式：

str = regexprep(str,'[^a-zA-Z]','');

将删除所有非字母表中的字符，但如何替换为上图所示的等效字符？

谢谢

【问题讨论】：

标签： string matlab replace diacritics

【解决方案1】：

您可以编写一系列正则表达式，例如：

s = regexprep(s,'(?:À|Á|Â|Ã|Ä|Å)','A')
s = regexprep(s,'(?:Ì|Í|Î|Ï)','I')

其他重音字符依此类推...（适用于大写/小写）

警告：即使是拉丁字母的一小部分也有很多variations

一个更简单的例子：

chars_old = 'ÁÉÍÓÚáéíóú';
chars_new = 'AEIOUaeiou';

str = 'Ámró';
[tf,loc] = ismember(str, chars_old);
str(tf) = chars_new( loc(tf) )

之前的字符串：

>> str
str =
Ámró

之后：

>> str
str =
Amro

【讨论】：

谢谢@Amro，事实上我只是在使用西班牙语子集，所以特殊字符只是上面显示的。没有更简单的解决方案吗？像 PHP 的 str_replace 之类的东西，您可以在其中将包含等价的数组作为数组参数传递？
另一种可能性是将 Perl（在 MATLAB 中是 available）与 Text::Unidecode 等模块一起使用。这是一个非常强大的解决方案，它可以做一些有趣的事情，比如从 Unicode 音译到 ASCII。它已被移植到其他语言，如 Python、Java、..（我过去使用过 Python 移植）
@JorgeZapata：我添加了一个更简单的示例。 chars_old 中的每个字符都替换为 chars_new 中的对应字符。您可以以相同的方式将带有波浪号的 N 添加到列表中

【解决方案2】：

以下代码规范化所有变音符号，即 ÅÄÖ。

function inputWash {
    param(
        [string]$inputString
    )
    [string]$formD = $inputString.Normalize(
            [System.text.NormalizationForm]::FormD
    )
    $stringBuilder = new-object System.Text.StringBuilder
    for ($i = 0; $i -lt $formD.Length; $i++){
        $unicodeCategory = [System.Globalization.CharUnicodeInfo]::GetUnicodeCategory($formD[$i])
        $nonSPacingMark = [System.Globalization.UnicodeCategory]::NonSpacingMark
        if($unicodeCategory -ne $nonSPacingMark){
            $stringBuilder.Append($formD[$i]) | out-null
        }
    }
    $string = $stringBuilder.ToString().Normalize([System.text.NormalizationForm]::FormC)
    return $string.toLower()
}
Write-Host inputWash("ÖÄÅÑÜ");

oaanu

如果您不想要该功能，请忽略 .toLower()

【讨论】：

【解决方案3】：

以防万一还有人需要这个……我做了，所以我花时间查找了所有最常见的变音符号：

function [clean_s] = removediacritics(s)
%REMOVEDIACRITICS Removes diacritics from text.
%   This function removes many common diacritics from strings, such as
%     á - the acute accent
%     à - the grave accent
%     â - the circumflex accent
%     ü - the diaeresis, or trema, or umlaut
%     ñ - the tilde
%     ç - the cedilla
%     å - the ring, or bolle
%     ø - the slash, or solidus, or virgule

% uppercase
s = regexprep(s,'(?:Á|À|Â|Ã|Ä|Å)','A');
s = regexprep(s,'(?:Æ)','AE');
s = regexprep(s,'(?:ß)','ss');
s = regexprep(s,'(?:Ç)','C');
s = regexprep(s,'(?:Ð)','D');
s = regexprep(s,'(?:É|È|Ê|Ë)','E');
s = regexprep(s,'(?:Í|Ì|Î|Ï)','I');
s = regexprep(s,'(?:Ñ)','N');
s = regexprep(s,'(?:Ó|Ò|Ô|Ö|Õ|Ø)','O');
s = regexprep(s,'(?:Œ)','OE');
s = regexprep(s,'(?:Ú|Ù|Û|Ü)','U');
s = regexprep(s,'(?:Ý|Ÿ)','Y');

% lowercase
s = regexprep(s,'(?:á|à|â|ä|ã|å)','a');
s = regexprep(s,'(?:æ)','ae');
s = regexprep(s,'(?:ç)','c');
s = regexprep(s,'(?:ð)','d');
s = regexprep(s,'(?:é|è|ê|ë)','e');
s = regexprep(s,'(?:í|ì|î|ï)','i');
s = regexprep(s,'(?:ñ)','n');
s = regexprep(s,'(?:ó|ò|ô|ö|õ|ø)','o');
s = regexprep(s,'(?:œ)','oe');
s = regexprep(s,'(?:ú|ù|ü|û)','u');
s = regexprep(s,'(?:ý|ÿ)','y');

% return cleaned string
clean_s = s;
end

感谢 Amro 的简单解决方案！

【讨论】：