如何在 Java 中模仿音译？答案

【问题标题】：How to mimic transliterate in Java?如何在 Java 中模仿音译？
【发布时间】：2014-07-31 13:21:02
【问题描述】：

在 Perl 中，我通常使用音译来计算字符串中匹配一组可能字符的字符数。比如：

$c1=($a =~ y[\x{0410}-\x{042F}\x{0430}-\x{044F}]
            [\x{0410}-\x{042F}\x{0430}-\x{044F}]);

将计算 $a 中的西里尔字符数。与前面的示例一样，我有两个类（或两个范围，如果您愿意的话），我还有一些其他类：

$c4=($a =~ y[\x{AC00}-\x{D7AF}\x{1100}-\x{11FF}\x{3130}-\x{318F}\x{A960}-\x{A97F}\x{D7B0}-\x{D7FF}]
            [\x{AC00}-\x{D7AF}\x{1100}-\x{11FF}\x{3130}-\x{318F}\x{A960}-\x{A97F}\x{D7B0}-\x{D7FF}]);

现在，我需要在 Java 中做类似的事情。 Java中是否有类似的构造？或者我需要遍历所有字符，并检查它是否在每个类的限制之间？

谢谢

【问题讨论】：

标签： java unicode tr

【解决方案1】：

在 Java 中没有见过像 tr/// 这样的东西。

您可以使用类似的方法来计算所有匹配项：

Pattern p = Pattern.compile("[\\x{0410}-\\x{042F}\\x{0430}-\\x{044F}]", 
                            Pattern.CANON_EQ);
Matcher m = p.matcher(string);
int count = 0;
while (m.find())
    count++;

【讨论】：

这将（可能）比检查每个字符的 if 链慢。但有助于在 Java 和 Perl 中维护并行代码。谢谢。

【解决方案2】：

为了良好的顺序：使用 Java Unicode 支持。

int countCyrillic(String s) {
    int n = 0;
    for (int i = 0; i < s.length(); ) {
        int codePoint = s.codePointAt(i);
        i += Character.charCount(codePoint);
        if (UnicodeScript.of(codePoint) == UnicodeScript.CYRILLIC) {
            ++n;
        }
    }
    return n;
}

这使用完整的 Unicode（其中两个 16 位字符可能代表一个 Unicode“代码点”。而在 Java 中，Character.UnicodeScript 类已经拥有你需要的一切。

或者：

int n = s.replaceAll("\\P{CYRILLIC}", "").length();

这里\\P是\\p{CYRILLIC}西里尔字母组的否定。

【讨论】：

【解决方案3】：

你可以试试这样玩：

s.replaceAll( "[^\x{0410}-\x{042F}\x{0430}-\x{044F}]*([\x{0410}-\x{042F}\x{0430}-\x{044F}])?", "$1" ).length()

这个想法是从这里借来的：Simple way to count character occurrences in a string

【讨论】：

是的，这是有道理的。可能更慢，因为它构造了一个新字符串。但只是测试。