处理用于代替拉丁字符的西里尔字母

Question

我们最近有一个用户输入英文文本，但似乎是在为西里尔文设置的计算机上完成的，因为一些字母，如" A“，实际上是西里尔文小写字母A，而不是拉丁文小写字母A。

我以为normalising会把西里尔文转换成拉丁文的等价物，但事实并非如此(我猜它们只是在显示方式上是等同的，而不是它们的意思)。

这是一个常见的问题吗?如果用户的电脑设置为使用西里尔字母，那么他们可能正在写英语，但是却使用了西里尔字母？

通常情况下，什么是发现这种情况并进行适当转换的安全方法？

Answer 1

要检测西里尔文，只需使用正则表达式match \p{IsCyrillic}。一种更通用的方法是搜索任何非拉丁字符。如果有匹配的字符，则需要将这些字符替换为与其对应的拉丁字符。