Java 如何准备用于索引的Unicode字符串？

这个问题涉及到在索引中存储本地名称的国际字符的规范化。我想对这个问题进行一般性的讨论，并听听Java中可能存在的解决方案（类/库）

---

在全局应用程序中，用户输入自己的姓名，应用程序将每个姓名写入搜索索引，以便其他用户可以搜索姓名并找到用户。在英语中是微不足道的，但在许多其他语言和/或全球范围内并非如此微不足道，因为特定字母需要音译和/或可以以多种形式书写。例如，德国名字Häußler可以写成

• 哈乌勒（德国）
• 海斯勒（德国，国际音译）
• 哈苏斯勒（瑞士）
• 豪斯勒（英文音译）

Java具有

    Normalizer.normalize(entry, Normalizer.Form.NFD) // NFC

类，但这在许多情况下似乎不起作用，并且/或者我不知道如何正确地使用它。这里也有很好的阅读，但是我找不到足够的关于这个主题的捆绑信息

有人知道有人已经在某个开源项目中解决了这个问题吗？有可以使用的库吗？网站

---

你如何将日语、汉语、阿拉伯语等译成英语？像Facebook这样的大型社交网络如何翻译他们的用户名，以确保在国际上找到他们？

你的思路是正确的——你可能想添加一个搜索词“canonical”

---

我相信是处理这一问题的最健壮的开源软件。请特别关注，尤其是NFKCßU Casefold的实现，它处理的是德国ß的例子以及其他许多例子。

非常有趣的问题。。。我记得我研究了另一个SO问题的规范化内容，目标是去除重音（我在使用

规范化器分解后使用正则表达式做到了这一点）。然而，在国际上，我想，即使是Unicode也不能满足这个要求。。。不知道这是否存在，但可能有一个库将文本“翻译”成？标题中的“Unicode字符串”是一种冗余；Java从一开始就使用Unicode，尽管
char
实际上是一个UTF-16代码单元（这就是为什么BMP之外的代码点需要两个
char
s——原因是Java诞生时，Unicode只定义了现在称为BMP的东西）谢谢，ICU是一个非常有趣的提示，我会调查这件事，然后回来。