在Java中将光学等效的unicode字符串转换为ASCII？

Question

我经营一个社交网络，要求 unicode 用户名是唯一的（如预期的那样）。

一些有创意的用户已经开始使用西里尔文（和其他）unicode 字符来创建视觉上等效（但 unicode 不同）的用户名。

例如，他们将使用西里尔小写字母“а”，看起来与罗马字母相同。

有谁知道在 Java 中自动转换这些光学等效字符的方法？如果机制已经存在，我宁愿不必手动创建转换表。

Answer 1

您可以尝试Unicode normalization - 基本上，无法区分的代码点指定了一个“规范”代码点，规范化是将每个字符替换为其规范形式的过程。

Java 似乎通过 java.text.Normalizer 支持 Unicode 规范化 - 更多信息 here。

但是，我不确定拉丁语 A 和西里尔字母 A 在 Unicode 中是否被标记为等效 - 您必须尝试一下。

当您的用户开始使用 非常相似 而不是 相同 字符时，这也对您没有帮助 - 人类非常有创造力，技术解决方案可能无法 100% 发挥作用，所以无论如何你可能不得不求助于人类的节制。

还有一些其他解决方案 - 例如，将用户名限制为拉丁字母数字。

Answer 2

您为什么不尝试应用 OCR 库。