部分匹配忽略大小写和变音符号

Question

我有一个句子列表，需要检查某些单词是否存在于其中。我需要忽略大小写，重音，音调符号，连字等

例如，下面所有的搜索应该返回true：

• 圣保罗包含SÃO
• 纽伦堡包含Nurn酒店
• 希奥利艾包含Š

我知道java.text.Collat​​or和java.text.Normalizer类，但我找不到部分匹配的方法。

Answer 1

我最终使用正则表达式和java.text.Normalizer的组合由乔普-埃根的建议：

public static final Pattern DIACRITICS_AND_MODIFIERS = Pattern.compile("[\\p{InCombiningDiacriticalMarks}\\p{IsLm}\\p{IsSk}]"); 

... 

String text = Normalizer.normalize(input, Normalizer.Form.NFKD); 
text = DIACRITICS_AND_MODIFIERS.matcher(text).replaceAll("").toLowerCase(); 

我用NFKD代替NKD因为它分解特殊情况下，像结扎线（ （ffi）罗马数字（Ⅸ）和上标（⑤）。上面的代码仍然会出现一些错误情况（例如，？和或），但这些在我的语言环境（葡萄牙语）中并不重要。

然后我将搜索项和要搜索的文本标准化并使用String.contains来搜索它。