Regex 消除Scala中的变音符号

问题很简单，在某些语言中使用字符串可以删除变音符号。例如，使用“téléphone”生成结果“phone”

在Java中，我可以使用以下方法：

 public static String removeAccents(String str){
    return Normalizer.normalize(str, Normalizer.Form.NFD).replaceAll("\\p{InCombiningDiacriticalMarks}+", "");
}

它工作得很好，但在scala中它不。。。我尝试了以下代码：

val str = Normalizer.normalize("téléphone",Normalizer.Form.NFD)
val exp = "\\p{InCombiningDiacriticalMarks}+".r
exp.replaceAllIn(str,"")

它不起作用

---

我想，在Scala中使用正则表达式时，我遗漏了一些东西，因此我们非常感谢您的帮助。

我在使用Normalizer时遇到了同样的问题。以stripAccents的形式从中找到了一个解决方案，它可以从字符串中删除变音符号

 val str = stripAccents("téléphone")
 println(str)

---

这将产生“电话”。希望这对别人有帮助

您可以使用它，创建一个函数来返回

stripeAccents

的值

val spark=SparkBase.getSparkSession()

val sc=spark.sparkContext
import spark.implicits._

val str = stripAccents("téléphone")
println(str)

val str2 = stripAccents("SERNAQUE ARGÜELLO NORMA ELIZABETH")
println(str2)

case class Fruits(name: String, quantity: Int)
val sourceDS = Seq(("YÁBAR ARRIETA JENSON", 1), ("SERNAQUE ARGÜELLO NORMA ELIZABETH", 2)).toDF("text","num")

val check = udf((colValue: String) => {
  stripAccents(colValue)
})

sourceDS.select(col("text"),check(col("text"))).show(false)

->输出

+---------------------------------+---------------------------------+
|text                             |UDF(text)                        |
+---------------------------------+---------------------------------+
|YÁBAR ARRIETA JENSON             |YABAR ARRIETA JENSON             |
|SERNAQUE ARGÜELLO NORMA ELIZABETH|SERNAQUE ARGUELLO NORMA ELIZABETH|
+---------------------------------+---------------------------------+

---

这两个对我来说都很好。仅从代码中猜测，您可能希望

replaceAllIn

将修改您的

str

。这不会发生，因为Java/Scala中的字符串是不可变的。@ghik不，我不希望如此，但我用Scala得到的结果是：@ghik Initialy我在Win8平台上测试此代码，但它不起作用。现在我已经在Ubuntu上试用过了，效果很好，原因是什么？@arussinov:检查两个操作系统中的源文件编码。在Ubuntu中，它将是

utf8

，在Win8-？。