icu4j西里尔字母改为拉丁文

Question

我正在努力使西里尔词在拉丁语中，这样我就可以把它们放在urls中。我使用icu4j音译，但它仍然给出了如下奇怪的字符：Vilʹndimaa。它应该更像viljandimaa。当我复制那个url时，这些字母变成%..。一些没用的东西。

有人知道如何用icu4j把西里尔变成a-z吗？

更新

我无法回答自己，但发现这个问题非常有用：将符号、重音字母转换为英文字母

Answer 1

修改你的标识符来做你想做的事。您可以使用Remove转换使用正则表达式删除不需要的字符。

例如，考虑字符串“Eéматематика”

"'E\u00E9 \u043c\u0430\u0442\u0435\u043c\u0430\u0442\u0438\u043a\u0430"

识别符"Any-Latin; NFD; [^\\p{Alnum}] Remove"将音译为拉丁文(可能仍然包括重音)，将重音字符分解为字母和数字，并删除任何非字母数字。得到的字符串是"Eematematika“。

您可以在ICU网站上阅读关于一般变换下的标识符的更多信息。

示例：

//import com.ibm.icu.text.Transliterator;
String greek
       = "'E\u00E9 \u043c\u0430\u0442\u0435\u043c\u0430\u0442\u0438\u043a\u0430";
String id = "Any-Latin; NFD; [^\\p{Alnum}] Remove";
String latin = Transliterator.getInstance(id)
                             .transform(greek);
System.out.println(latin);

对ICU4J 49.1进行测试。

Answer 2

看看：https://ru.stackoverflow.com/questions/633355/Показать-правильный-пример-транслитерации-на-java

增加密度：

<dependency>
    <groupId>com.ibm.icu</groupId>
    <artifactId>icu4j</artifactId>
    <version>63.1</version>
</dependency>

和音译者：

var CYRILLIC_TO_LATIN = "Latin-Russian/BGN"
// var CYRILLIC_TO_LATIN = "Russian-Latin/BGN"
Transliterator toLatinTrans = Transliterator.getInstance(CYRILLIC_TO_LATIN);
String result = toLatinTrans.transliterate(st);
System.out.println(result);

Answer 3

不知道icu4j，但在Unicode表中，Cyrillic采取的范围很小。我不想转接到工作不清楚的第三方库，而是为每个西里尔符号定义一个音译序列，然后自己翻译。

什么语言单词"viljandimaa“来自？听起来不像西里尔语。