在Java中删除dakuten/handakuten (又名10-10，ぱ→は)

Question

许多日本人的平假名和假名都有一个变体和一个变体。

示例:は变成ば或ぱ(注意゛和゜部件)

问题：如何用Java从字符串中删除这些内容？

例如，我希望はばぱハバパ1aあア亜成为はははハハハ1aあア亜。

表现很重要。

上下文:将内容与遗留系统匹配。

Answer 1

带有(汉)达库滕的字符可以分解为基kana和一个组合标记，Java在java.text中有它的java.text类。

String decomposed = Normalizer.normalize(input, Normalizer.Form.NFD);

然后，可以使用replace或replaceAll删除组合(韩语)达克滕标记。

String noVoicingMarks = decomposed.replace("\u3099", "").replace("\u309A", "");

或者(在我的测试中有点快)

String noVoicingMarks = decomposed.replaceAll("\u3099|\u309A", "");