C# 消除波兰语中的变音符号

我正试图用波兰语把变音字符从盘古文字中去掉。然而，我使用的代码来自Michael Kaplan的博客，但没有成功

考虑下面这句话：“普切尼·瓦托德·杰亚·卢布·奥塞姆·斯克钦菲格”（Pchnąćw tęłdźjeża lub ośm skrzyńfig.）。除了字母“ł”外，一切正常，我仍然得到“ł”。我想问题在于“ł”表示为单个unicode字符，并且没有以下非空格标记

---

你知道我如何修复它吗（不依赖于某些词典中的自定义映射-我正在寻找某种unicode转换）？

本文采用的方法是删除带标记的非空格字符。正如您正确指出的，“ł”不是由两个字符组成的（其中一个是Mark，nonspace），因此您看到的行为是预期的

我认为Unicode的结构不允许您完成完全自动的重新映射（您引用的文章的作者得出了相同的结论）

---

如果您只是对波兰语字符感兴趣，那么至少映射很小且定义良好（请参见示例的底部）。对于一般情况，我认为对于不是由标准字符加上标记、非空格字符组成的字符，不存在自动解决方案。

它位于，codepoint\u0142中。向下滚动到描述“带笔划的拉丁小写字母”，它没有列出任何分解。我对波兰语一无所知，但一个字母通常会有一个识别标记，使其成为自己的字母，而不是带有变音符号的基本字母。

有相当多的预合成字符没有有意义的分解

（也有少数可能有合理的分解，在大多数规范化形式中，这种分解是禁止的，因为这会导致版本之间的差异，这将使它们不再真正规范化）

---

ł就是其中之一。IIRC也不可能给不使用ł的字母赋予文化中立的转录。我认为德国人倾向于将其转录为w而不是l（或者可能是其他人），这是有道理的（听起来也不太正确，但它比l更接近）。

你必须手动替换这些（就像拉丁语-1中的ÆÐØÞßðþ一样）

---

其他人也有同样的问题，因此Unicode公共语言环境数据存储库“同意添加一个可以消除重音的音译器，即使对于重叠的重音也是如此。”（）

下面是我对波兰语禁止列表的快速实现，其中包括波兰语变音符号的标准化

    class StopList
{
    private HashSet<String> set = new HashSet<String>();

    public void add(String word)
    {
        word = word.trim().toLowerCase();
        word = normalize(word);
        set.add(word);

    }

    public boolean contains(final String string)
    {
        return set.contains(string) || set.contains(normalize(string));
    }

    private char normalizeChar(final char c)
    {
        switch ( c)
        {
            case 'ą':
                return 'a';
            case 'ć':
                return 'c';
            case 'ę':
                return 'e';
            case 'ł':
                return 'l';
            case 'ń':
                return 'n';
            case 'ó':
                return 'o';
            case 'ś':
                return 's';
            case 'ż':
            case 'ź':
                return 'z';
        }
        return c;
    }

    private String normalize(final String word)
    {
        if (word == null || "".equals(word))
        {
            return word;
        }
        char[] charArray = word.toCharArray();
        char[] normalizedArray = new char[charArray.length];
        for (int i = 0; i < normalizedArray.length; i++)
        {
            normalizedArray[i] = normalizeChar(charArray[i]);
        }
        return new String(normalizedArray);
    }
}

类停止列表
{
私有HashSet=新HashSet（）；
公共空添加（字符串字）
{
word=word.trim（）.toLowerCase（）；
word=规范化（word）；
set.add（word）；
}
公共布尔包含（最终字符串）
{
返回set.contains（string）| set.contains（normalize（string））；
}
私有字符规范化char（最终字符c）
{
开关（c）
{
“ą”案：
返回“a”；
案例'ć'：
返回“c”；
“ę”案：
返回“e”；
案例“ł”：
返回“l”；
案例'n'：
返回'n'；
案例“ó”：
返回“o”；
案例“ś”：
返回's'；
案例“ż”：
案例“ź”：
返回'z'；
}
返回c；
}
私有字符串规范化（最终字符串字）
{
if（word==null | |“”.equals（word））
{
返回词；
}
char[]charArray=word.toCharArray（）；
char[]normalizedaray=新字符[charArray.length]；
for（int i=0；i

---

我在网上找不到其他解决办法。因此，也许这对某些人会有帮助（？）

不久前，我遇到了这个解决方案，它似乎工作得很好：

    public static string RemoveDiacritics(this string s)
    {
        string asciiEquivalents = Encoding.ASCII.GetString(
                     Encoding.GetEncoding("Cyrillic").GetBytes(s)
                 );

        return asciiEquivalents;
    }

---

我找到了一个解决方案，这个解决方案也是“ł”

string RemoveDiacritics(string text)
    {
        var normalizedString = text.Normalize(NormalizationForm.FormD);
        var stringBuilder = new StringBuilder();

        foreach (var c in normalizedString)
        {
            var unicodeCategory = CharUnicodeInfo.GetUnicodeCategory(c);
            if (unicodeCategory != UnicodeCategory.NonSpacingMark)
            {
                stringBuilder.Append(c);
            }
        }

        return stringBuilder.ToString().Normalize(NormalizationForm.FormC);
    }

---

除了

ł

之外，所有这些字符都只有一个字符（我至少看到了ogonek、acute和dot），并且可以使用

Normalize

轻松地进行规范化。我建议将这两种方法结合起来。规范化是.NET库吗？很抱歉这是我Java代码中的一段：）和写“Net”时，我想到的是InterNet，而不是“.Net”。手动总是一个选项，但我应该写所有的组合吗？法语、德语、波兰语等？

System.ArgumentException:“西里尔字母”不是受支持的编码名称。

我还需要转换法语，我认为它无论如何都不起作用：（德语呢？