将扩展 Ascii (>127) 转换为标准 Ascii (<128) in Java

Question

我们从第三方系统接收符合 UTF-8 标准的数据。我们的系统可以处理它，因为它也兼容 UTF-8。问题是旧的下游系统不能总是处理十进制值 > 127 的字符，并且会损坏或错误地显示数据。

由于我们无法控制下游系统，解决此问题的唯一方法是将“扩展”Ascii 字符转换为其“基本”字符（Ascii < 128) values e.g. ê, ë must become e, or ò, ö must become o, etc.

有没有一种方法可以在 Java 中实现此目的，而无需对映射进行硬编码？

Answer 1

您可以使用 ICU4J

 中的 

Transliterator。

假设输入仅包含拉丁字母，

Latin-ASCII

音译器可以删除拉丁字母中的变音符号。

System.out.println(Transliterator.getInstance("Latin-ASCII").transliterate("òóâì"));
// prints ooai

为了安全起见，您可能还想

replaceAll("\\P{IsLatin}", "")

。

如果您对输入有更多了解，例如它是用什么语言编写的，您可以使用专门针对该语言的音译器。例如，如果您知道文本是德语，则可以使用

de-ASCII

代替。这将使用德语特有的转换规则，例如将“ö”替换为“oe”。

有关您可以使用的其他音译器，请参阅 ICU 文档。