我正在尝试对希腊文本应用某种标准化(使用小写字母,删除重音符号并将 ς 替换为 σ)。例如,我希望“ἀντίθεσις”(希腊语多调)和“αντίθεσις”(现代希腊语)变成“αντιθεσισ”。
我跑过unicode-table.com并写下我应该替换哪些角色。
Greek and Coptic (Range: 0370— 03FF)
ΆΑά -> α
ΈΕέ -> ε
ΉΗή -> η
ΊΪΙίΐ -> ι
ΌΟό -> ο
ΎΫΥΰϋύ -> υ
ΏΩώ -> ω
Greek Extended (Range: 1F00— 1FFF)
ἀἁἂἃἄἅἆἇὰάᾀᾁᾂᾃᾄᾅᾆᾇᾰᾱᾲᾳᾴᾶᾷἈἉἊἋἌἍἎἏᾈᾉᾊᾋᾌᾍᾎᾏᾸᾹᾺΆᾼ -> α
ἐἑἒἓἔἕὲέἘἙἚἛἜἝῈΈ -> ε
ἠἡἢἣἤἥἦἧὴήᾐᾑᾒᾓᾔᾕᾖᾗῂῃῄῆῇἨἩἪἫἬἭἮἯᾘᾙᾚᾛᾜᾝᾞᾟῊΉῌ -> η
ἰἱἲἳἴἵἶἷὶίῐῑῒΐῖῗἸἹἺἻἼἽἾἿῘῙῚΊ -> ι
ὀὁὂὃὄὅὸόὈὉὊὋὌὍῸΌ -> ο
ὐὑὒὓὔὕὖὗὺύῠῡῢΰῦῧὙὛὝὟῨῩῪΎ -> υ
ὠὡὢὣὤὥὦὧὼώᾠᾡᾢᾣᾤᾥᾦᾧῲῳῴῶῷὨὩὪὫὬὭὮὯᾨᾩᾪᾫᾬᾭᾮᾯῺΏῼ -> ω
ῤῥῬ -> ρ
我想知道是否有一种聪明的方法来进行这些替换并避免逐个字符地检查字符串。
第一次尝试(谢谢@Tyblitz)
normal = 'Αντίθετα με αυτό που θεωρεί η πλειοψηφία, το Lorem Ipsum δεν είναι απλά ένα τυχαίο κείμενο. Οι ρίζες του βρίσκονται σε ένα κείμενο Λατινικής λογοτεχνίας του 45 π.Χ., φτάνοντας την ηλικία του πάνω από 2000 έτη.';
pol = 'Μήγαρις ἔχω ἄλλο στὸ νοῦ μου πάρεξ ἐλευθερία καὶ γλώσσα;';
console.log(normalizeGreek(normal));
console.log(normalizePolytonicGreek(pol));
function normalizeGreek(text) {
text = text.replace(/Ά|Α|ά/g, 'α')
.replace(/Έ|Ε|έ/g, 'ε')
.replace(/Ή|Η|ή/g, 'η')
.replace(/Ί|Ϊ|Ι|ί|ΐ|ϊ/g, 'ι')
.replace(/Ό|Ο|ό/g, 'ο')
.replace(/Ύ|Ϋ|Υ|ύ|ΰ|ϋ/g, 'υ')
.replace(/Ώ|Ω|ώ/g, 'ω')
.replace(/Σ|ς/g, 'σ');
return text;
}
function normalizePolytonicGreek(text) {
text = text.replace(/Ά|Α|ά|ἀ|ἁ|ἂ|ἃ|ἄ|ἅ|ἆ|ἇ|ὰ|ά|ᾀ|ᾁ|ᾂ|ᾃ|ᾄ|ᾅ|ᾆ|ᾇ|ᾰ|ᾱ|ᾲ|ᾳ|ᾴ|ᾶ|ᾷ|Ἀ|Ἁ|Ἂ|Ἃ|Ἄ|Ἅ|Ἆ|Ἇ|ᾈ|ᾉ|ᾊ|ᾋ|ᾌ|ᾍ|ᾎ|ᾏ|Ᾰ|Ᾱ|Ὰ|Ά|ᾼ/g, 'α')
.replace(/Έ|Ε|έ|ἐ|ἑ|ἒ|ἓ|ἔ|ἕ|ὲ|έ|Ἐ|Ἑ|Ἒ|Ἓ|Ἔ|Ἕ|Ὲ|Έ/g, 'ε')
.replace(/Ή|Η|ή|ἠ|ἡ|ἢ|ἣ|ἤ|ἥ|ἦ|ἧ|ὴ|ή|ᾐ|ᾑ|ᾒ|ᾓ|ᾔ|ᾕ|ᾖ|ᾗ|ῂ|ῃ|ῄ|ῆ|ῇ|Ἠ|Ἡ|Ἢ|Ἣ|Ἤ|Ἥ|Ἦ|Ἧ|ᾘ|ᾙ|ᾚ|ᾛ|ᾜ|ᾝ|ᾞ|ᾟ|Ὴ|Ή|ῌ/g, 'η')
.replace(/Ί|Ϊ|Ι|ί|ΐ|ἰ|ἱ|ἲ|ἳ|ἴ|ἵ|ἶ|ἷ|ὶ|ί|ῐ|ῑ|ῒ|ΐ|ῖ|ῗ|Ἰ|Ἱ|Ἲ|Ἳ|Ἴ|Ἵ|Ἶ|Ἷ|Ῐ|Ῑ|Ὶ|Ί/g, 'ι')
.replace(/Ό|Ο|ό|ὀ|ὁ|ὂ|ὃ|ὄ|ὅ|ὸ|ό|Ὀ|Ὁ|Ὂ|Ὃ|Ὄ|Ὅ|Ὸ|Ό/g, 'ο')
.replace(/Ύ|Ϋ|Υ|ΰ|ϋ|ύ|ὐ|ὑ|ὒ|ὓ|ὔ|ὕ|ὖ|ὗ|ὺ|ύ|ῠ|ῡ|ῢ|ΰ|ῦ|ῧ|Ὑ|Ὓ|Ὕ|Ὗ|Ῠ|Ῡ|Ὺ|Ύ/g, 'υ')
.replace(/Ώ|Ω|ώ|ὠ|ὡ|ὢ|ὣ|ὤ|ὥ|ὦ|ὧ|ὼ|ώ|ᾠ|ᾡ|ᾢ|ᾣ|ᾤ|ᾥ|ᾦ|ᾧ|ῲ|ῳ|ῴ|ῶ|ῷ|Ὠ|Ὡ|Ὢ|Ὣ|Ὤ|Ὥ|Ὦ|Ὧ|ᾨ|ᾩ|ᾪ|ᾫ|ᾬ|ᾭ|ᾮ|ᾯ|Ὼ|Ώ|ῼ/g, 'ω')
.replace(/ῤ|ῥ|Ῥ/g, 'ρ')
.replace(/Σ|ς/g, 'σ');
return text;
}
2nd try:
检查我的answer下面利用String.prototype.normalize()
并阻止您保留包含 unicode 表中所有希腊重音字符的列表。
我还发现了以下解决方案:String.prototype.normalize()
normal = 'Αντίθετα με αυτό που θεωρεί η πλειοψηφία, το Lorem Ipsum δεν είναι απλά ένα τυχαίο κείμενο. Οι ρίζες του βρίσκονται σε ένα κείμενο Λατινικής λογοτεχνίας του 45 π.Χ., φτάνοντας την ηλικία του πάνω από 2000 έτη.';
pol = 'Μήγαρις ἔχω ἄλλο στὸ νοῦ μου πάρεξ ἐλευθερία καὶ γλώσσα;';
console.log(normalizeGreek(normal));
console.log(normalizePolytonicGreek(pol));
function normalizeGreek(text) {
return text.normalize('NFD').replace(/[\u0300-\u036f]/g, "");
}
function normalizePolytonicGreek(text) {
return text.normalize('NFD').replace(/[\u0300-\u036f]/g, "");
}
它是如何工作的+示例:
Inside .normalize('NFD')
,重音字符被分解为:
- 角色本身
- 随后是等效的组合变音标记(请参阅:范围 [0300-036f])
使用以下方法可以轻松删除这些标记:.replace(/[\u0300-\u036f]/g, "")
a = "ἄ"
console.log(a); // prints: ἄ
console.log(Array.from(a)); // prints: [ "ἄ" ]
b = a.normalize('NFD')
console.log(b); // prints: ἄ
console.log(Array.from(b)); // prints: [ "α", "̓", "́" ]
c = a.normalize('NFD').replace(/[\u0300-\u036f]/g, "")
console.log(c); // prints: α
console.log(Array.from(c)); // prints: [ "α" ]
有趣的链接:
- Unicode® 标准附件 #15 - Unicode 规范化形式
- 标准化图表
- 在 JavaScript 中删除字符串中的重音符号/变音符号
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)