将字符串字符英语化的正则表达式?

不,没有这样的正则表达式。注意,使用regex可以“描述”一段特定的文本。

某些regex实现可能提供使用regex进行替换的可能性,但这些替换通常只由单个替换执行:而不是替换 a 具有 a' 和 b 具有 b' 等。

也许您使用的语言在其API中有一个方法来执行这种替换,但它不会使用regex。

乌普一

这是做不到的,你不应该想做!这是对全世界的冒犯,而且相信faÃade与arcade押韵,或者认为CaÃon City,Colorado属于教规,这是一种无知。

您可以通过Unicode规范化表单D运行字符串并丢弃标记字符,但我肯定不会告诉您如何操作,因为它是 邪恶与错误 . 它是邪恶的,原因已经概述过了,它是错误的,因为它根本没有解决无数的案例。

学习材料

以下是您需要阅读的内容:

• Unicode Normalization Forms - UAX #15 本附件描述了Unicode文本的规范化表单。当实现以规范化的形式保留字符串时,可以确保等价字符串具有唯一的二进制表示。本附录还提供了示例、有关Unicode文本规范化的附加规范,以及有关Unicode规范化表单一致性测试的信息。
• Canonical Equivalence in Applications - UTN #5 本文档描述了在规范等价下高效处理文本的方法和格式,如UAX#15 Unicode规范化表单[UAX15]中所定义。
• Unicode Collation Algorithm - UTS #10 此报表是Unicode排序算法(UCA)的规范,详细说明如何比较两个Unicode字符串,同时保持符合Unicode标准的要求。UCA还提供默认Unicode排序规则元素表(DUCET)作为指定所有Unicode字符的默认排序规则顺序的数据。

你 必须 学习如何用一种有意义的方式来比较字符串,而对它们进行肢解根本没有任何意义 [p™Ê‡l™p] 永远。

决不能只是逐代码点比较未格式化的字符串,如果可能,还需要考虑语言,因为它们之间的规则不同。

实例

无论您使用的编程语言是什么,它都可以帮助您阅读Perls的文档 Unicode::Normalize , Unicode::Collate ,和 Unicode::Collate::Locale 模块。

例如,要搜索 "MÜSS" 在一个文本中 "muß" 在里面,你可以这样做:

my $Collator = Unicode::Collate->new( normalization => undef, level => 1 );
                                     # (normalization => undef) is REQUIRED.
  my $str = "Ich muß studieren Perl.";
  my $sub = "MÜSS";
  my $match;
  if (my($pos,$len) = $Collator->index($str, $sub)) {
      $match = substr($str, $pos, $len);
  }

那将 “穆ß” 进入之内 $match .

这个 Unicode::Collate::Module 支持对这些地区进行裁剪:

 af                Afrikaans
 ar                Arabic
 az                Azerbaijani (Azeri)
 be                Belarusian
 bg                Bulgarian
 ca                Catalan
 cs                Czech
 cy                Welsh
 da                Danish
 de__phonebook     German (umlaut as 'ae', 'oe', 'ue')
 eo                Esperanto
 es                Spanish
 es__traditional   Spanish ('ch' and 'll' as a grapheme)
 et                Estonian
 fi                Finnish
 fil               Filipino
 fo                Faroese
 fr                French
 ha                Hausa
 haw               Hawaiian
 hr                Croatian
 hu                Hungarian
 hy                Armenian
 ig                Igbo
 is                Icelandic
 ja                Japanese [1]
 kk                Kazakh
 kl                Kalaallisut
 ko                Korean [2]
 lt                Lithuanian
 lv                Latvian
 mk                Macedonian
 mt                Maltese
 nb                Norwegian Bokmal
 nn                Norwegian Nynorsk
 nso               Northern Sotho
 om                Oromo
 pl                Polish
 ro                Romanian
 ru                Russian
 se                Northern Sami
 sk                Slovak
 sl                Slovenian
 sq                Albanian
 sr                Serbian
 sv                Swedish
 sw                Swahili
 tn                Tswana
 to                Tonga
 tr                Turkish
 uk                Ukrainian
 vi                Vietnamese
 wo                Wolof
 yo                Yoruba
 zh                Chinese
 zh__big5han       Chinese (ideographs: big5 order)
 zh__gb2312han     Chinese (ideographs: GB-2312 order)
 zh__pinyin        Chinese (ideographs: pinyin order)
 zh__stroke        Chinese (ideographs: stroke order)

你有一个选择:你可以做正确的,或者你根本做不到。 如果你做错了,没人会感谢你的。

做得好就意味着要考虑UAX#15和UTS#10。

在这个时代,没有比这更糟的事了。你知道,现在已经不是60年代了!

这个任务就是 iconv 图书馆是用来的。了解如何使用你正在开发的语言。

很可能你的库已经有了一个绑定