用于比较字符串与变音变体和非变音变体的正则表达式

Question

任何人都可以帮助我使用 JavaScript 正则表达式，我可以用它来比较相同的字符串，并考虑到它们的非变音版本。

例如，在德语中，单词

Grüße

也可以写成

Gruesse

。这两个字符串被认为是相同的。映射（暂时忽略大小写）是：

• ä = ae
• ü = ue
• ö = oe
• ß = ss

由于没有太多“对联”需要考虑，我可以对每个变体进行替换，但我想知道是否有更优雅的方法，特别是因为这个用例将来可能需要扩展以包括例如斯堪的纳维亚人物...

Answer 1

类似的东西

tr = {"ä":"ae", "ü":"ue", "ö":"oe", "ß":"ss" }

replaceUmlauts = function(s) {
    return s.replace(/[äöüß]/g, function($0) { return tr[$0] })
}

compare = function(a, b) {
    return replaceUmlauts(a) == replaceUmlauts(b)
}

alert(compare("grüße", "gruesse"))

您可以通过向“tr”添加更多条目来轻松扩展此功能

不太优雅，但有效

Answer 2

正则表达式不够相当强大到足以正确执行此操作，尽管您可以将其破解为几乎可以与它们一起使用。

您想要的称为 Unicode 标准化。 标准化字符串是转换为通用形式的字符串，以便您可以比较它们。您将您的帖子标记为“javascript”，但是，Javascript 没有内置标准库来执行此操作，而且我不知道有一个。 不过，大多数服务器端语言确实都有这样的语言。例如，PHP 中的Normalizer Class。我确信 Python 和 Perl 都有类似的东西，微软的东西也有。

查看关于 Unicode Equivalence 的维基百科文章以了解更多信息。

Answer 3

除了stereofrogs的回答：

tr = {"\u00e4":"ae", "\u00fc":"ue", "\u00f6":"oe", "\u00df":"ss" }

ersetzeUmlauts = function(s) {
    return s.replace(/[\u00e4|\u00fc|\u00f6|\u00df]/g, function($0) { return tr[$0] })
}

我在 Aptana/Eclipse 脚本中处理变音符号，普通字符（“ä”等）对我来说不起作用。

Answer 4

我还有另一种方法：（目的：数组排序）

function umlaut(str) {
 return str
  .replace(/Â|À|Å|Ã/g, "A")
  .replace(/â|à|å|ã/g, "a")
  .replace(/Ä/g, "AE")
  .replace(/ä/g, "ae")
  .replace(/Ç/g, "C")
  .replace(/ç/g, "c")
  .replace(/É|Ê|È|Ë/g, "E")
  .replace(/é|ê|è|ë/g, "e")
  .replace(/Ó|Ô|Ò|Õ|Ø/g, "O")
  .replace(/ó|ô|ò|õ/g, "o")
  .replace(/Ö/g, "OE")
  .replace(/ö/g, "oe")
  .replace(/Š/g, "S")
  .replace(/š/g, "s")
  .replace(/ß/g, "ss")
  .replace(/Ú|Û|Ù/g, "U")
  .replace(/ú|û|ù/g, "u")
  .replace(/Ü/g, "UE")
  .replace(/ü/g, "ue")
  .replace(/Ý|Ÿ/g, "Y")
  .replace(/ý|ÿ/g, "y")
  .replace(/Ž/g, "Z")
  .replace(/ž/, "z"); 
}

Answer 5

您可以将管道用作每个匹配的一个或一组，如下所示

(ä|ae)

。

Answer 6

一种方法是处理您的正则表达式“输入”，以便将例如“ä”替换为 (ae|ä)' - 而不是将映射硬编码到您的正则表达式。我对 javascript 完全一无所知（好吧，我知道 document.write() 但仅此而已） - 但这里的伪代码是相同的；

而不是做

regexp_match("Grüße|Gruesse",somestring)

你应该这样做：

mappings = (("ä","ae"),("ö","oe"),("ü","ue"))
def my_regexp_match(regexp,input) {
    for key,value in mappings {
         new_regexp = regexp.replace(key,"("+key+"|"+value+")")
    }
    regexp_match(new_regexp,input)
}
my_regexp_match("Grüße",somestring)

抱歉这么“pythonic” - 我不知道你在javascript中是否有类似re.compile()的结构，但如果有的话 - 你应该在编译匹配器时执行for循环，而不是在my_regexp_match()中

Answer 7

Regex

并不是解决这个问题的更好技术。

您应该考虑创建一个字典来将变音字符存储为键，将非变音字符存储为值；然后您可以迭代您的字典，检查它是否存在于您的字符串中并采取适当的操作。

Answer 8

您可以使用以下函数来比较它们。
使用 Unicode 代码可确保它也适用于不同的编码。

function normalizeDiacritics(text) {

  return text.replace(/[\u0041\u24B6\uFF21\u00C0\u00C1\u00C2\u1EA6\u1EA4\u1EAA\u1EA8\u00C3\u0100\u0102\u1EB0\u1EAE\u1EB4\u1EB2\u0226\u01E0\u00C4\u01DE\u1EA2\u00C5\u01FA\u01CD\u0200\u0202\u1EA0\u1EAC\u1EB6\u1E00\u0104\u023A\u2C6F]/g, 'A')
    .replace(/[\uA732]/g, 'AA')
    .replace(/[\u00C6\u01FC\u01E2]/g, 'AE')
    .replace(/[\uA734]/g, 'AO')
    .replace(/[\uA736]/g, 'AU')
    .replace(/[\uA738\uA73A]/g, 'AV')
    .replace(/[\uA73C]/g, 'AY')
    .replace(/[\u0042\u24B7\uFF22\u1E02\u1E04\u1E06\u0243\u0182\u0181]/g, 'B')
    .replace(/[\u0043\u24B8\uFF23\u0106\u0108\u010A\u010C\u00C7\u1E08\u0187\u023B\uA73E]/g, 'C')
    .replace(/[\u0044\u24B9\uFF24\u1E0A\u010E\u1E0C\u1E10\u1E12\u1E0E\u0110\u018B\u018A\u0189\uA779\u00D0]/g, 'D')
    .replace(/[\u01F1\u01C4]/g, 'DZ')
    .replace(/[\u01F2\u01C5]/g, 'Dz')
    .replace(/[\u0045\u24BA\uFF25\u00C8\u00C9\u00CA\u1EC0\u1EBE\u1EC4\u1EC2\u1EBC\u0112\u1E14\u1E16\u0114\u0116\u00CB\u1EBA\u011A\u0204\u0206\u1EB8\u1EC6\u0228\u1E1C\u0118\u1E18\u1E1A\u0190\u018E]/g, 'E')
    .replace(/[\u0046\u24BB\uFF26\u1E1E\u0191\uA77B]/g, 'F')
    .replace(/[\u0047\u24BC\uFF27\u01F4\u011C\u1E20\u011E\u0120\u01E6\u0122\u01E4\u0193\uA7A0\uA77D\uA77E]/g, 'G')
    .replace(/[\u0048\u24BD\uFF28\u0124\u1E22\u1E26\u021E\u1E24\u1E28\u1E2A\u0126\u2C67\u2C75\uA78D]/g, 'H')
    .replace(/[\u0049\u24BE\uFF29\u00CC\u00CD\u00CE\u0128\u012A\u012C\u0130\u00CF\u1E2E\u1EC8\u01CF\u0208\u020A\u1ECA\u012E\u1E2C\u0197]/g, 'I')
    .replace(/[\u004A\u24BF\uFF2A\u0134\u0248]/g, 'J')
    .replace(/[\u004B\u24C0\uFF2B\u1E30\u01E8\u1E32\u0136\u1E34\u0198\u2C69\uA740\uA742\uA744\uA7A2]/g, 'K')
    .replace(/[\u004C\u24C1\uFF2C\u013F\u0139\u013D\u1E36\u1E38\u013B\u1E3C\u1E3A\u0141\u023D\u2C62\u2C60\uA748\uA746\uA780]/g, 'L')
    .replace(/[\u01C7]/g, 'LJ')
    .replace(/[\u01C8]/g, 'Lj')
    .replace(/[\u004D\u24C2\uFF2D\u1E3E\u1E40\u1E42\u2C6E\u019C]/g, 'M')
    .replace(/[\u004E\u24C3\uFF2E\u01F8\u0143\u00D1\u1E44\u0147\u1E46\u0145\u1E4A\u1E48\u0220\u019D\uA790\uA7A4]/g, 'N')
    .replace(/[\u01CA]/g, 'NJ')
    .replace(/[\u01CB]/g, 'Nj')
    .replace(/[\u004F\u24C4\uFF2F\u00D2\u00D3\u00D4\u1ED2\u1ED0\u1ED6\u1ED4\u00D5\u1E4C\u022C\u1E4E\u014C\u1E50\u1E52\u014E\u022E\u0230\u00D6\u022A\u1ECE\u0150\u01D1\u020C\u020E\u01A0\u1EDC\u1EDA\u1EE0\u1EDE\u1EE2\u1ECC\u1ED8\u01EA\u01EC\u00D8\u01FE\u0186\u019F\uA74A\uA74C]/g, 'O')
    .replace(/[\u01A2]/g, 'OI')
    .replace(/[\uA74E]/g, 'OO')
    .replace(/[\u0222]/g, 'OU')
    .replace(/[\u008C\u0152]/g, 'Oe')
    .replace(/[\u009C\u0153]/g, 'oe')
    .replace(/[\u0050\u24C5\uFF30\u1E54\u1E56\u01A4\u2C63\uA750\uA752\uA754]/g, 'P')
    .replace(/[\u0051\u24C6\uFF31\uA756\uA758\u024A]/g, 'Q')
    .replace(/[\u0052\u24C7\uFF32\u0154\u1E58\u0158\u0210\u0212\u1E5A\u1E5C\u0156\u1E5E\u024C\u2C64\uA75A\uA7A6\uA782]/g, 'R')
    .replace(/[\u0053\u24C8\uFF33\u1E9E\u015A\u1E64\u015C\u1E60\u0160\u1E66\u1E62\u1E68\u0218\u015E\u2C7E\uA7A8\uA784]/g, 'S')
    .replace(/[\u0054\u24C9\uFF34\u1E6A\u0164\u1E6C\u021A\u0162\u1E70\u1E6E\u0166\u01AC\u01AE\u023E\uA786]/g, 'T')
    .replace(/[\uA728]/g, 'TZ')
    .replace(/[\u0055\u24CA\uFF35\u00D9\u00DA\u00DB\u0168\u1E78\u016A\u1E7A\u016C\u00DC\u01DB\u01D7\u01D5\u01D9\u1EE6\u016E\u0170\u01D3\u0214\u0216\u01AF\u1EEA\u1EE8\u1EEE\u1EEC\u1EF0\u1EE4\u1E72\u0172\u1E76\u1E74\u0244]/g, 'U')
    .replace(/[\u0056\u24CB\uFF36\u1E7C\u1E7E\u01B2\uA75E\u0245]/g, 'V')
    .replace(/[\uA760]/g, 'VY')
    .replace(/[\u0057\u24CC\uFF37\u1E80\u1E82\u0174\u1E86\u1E84\u1E88\u2C72]/g, 'W')
    .replace(/[\u0058\u24CD\uFF38\u1E8A\u1E8C]/g, 'X')
    .replace(/[\u0059\u24CE\uFF39\u1EF2\u00DD\u0176\u1EF8\u0232\u1E8E\u0178\u1EF6\u1EF4\u01B3\u024E\u1EFE]/g, 'Y')
    .replace(/[\u005A\u24CF\uFF3A\u0179\u1E90\u017B\u017D\u1E92\u1E94\u01B5\u0224\u2C7F\u2C6B\uA762]/g, 'Z')
    .replace(/[\u0061\u24D0\uFF41\u1E9A\u00E0\u00E1\u00E2\u1EA7\u1EA5\u1EAB\u1EA9\u00E3\u0101\u0103\u1EB1\u1EAF\u1EB5\u1EB3\u0227\u01E1\u00E4\u01DF\u1EA3\u00E5\u01FB\u01CE\u0201\u0203\u1EA1\u1EAD\u1EB7\u1E01\u0105\u2C65\u0250]/g, 'a')
    .replace(/[\uA733]/g, 'aa')
    .replace(/[\u00E6\u01FD\u01E3]/g, 'ae')
    .replace(/[\uA735]/g, 'ao')
    .replace(/[\uA737]/g, 'au')
    .replace(/[\uA739\uA73B]/g, 'av')
    .replace(/[\uA73D]/g, 'ay')
    .replace(/[\u0062\u24D1\uFF42\u1E03\u1E05\u1E07\u0180\u0183\u0253]/g, 'b')
    .replace(/[\u0063\u24D2\uFF43\u0107\u0109\u010B\u010D\u00E7\u1E09\u0188\u023C\uA73F\u2184]/g, 'c')
    .replace(/[\u0064\u24D3\uFF44\u1E0B\u010F\u1E0D\u1E11\u1E13\u1E0F\u0111\u018C\u0256\u0257\uA77A]/g, 'd')
    .replace(/[\u01F3\u01C6]/g, 'dz')
    .replace(/[\u0065\u24D4\uFF45\u00E8\u00E9\u00EA\u1EC1\u1EBF\u1EC5\u1EC3\u1EBD\u0113\u1E15\u1E17\u0115\u0117\u00EB\u1EBB\u011B\u0205\u0207\u1EB9\u1EC7\u0229\u1E1D\u0119\u1E19\u1E1B\u0247\u025B\u01DD]/g, 'e')
    .replace(/[\u0066\u24D5\uFF46\u1E1F\u0192\uA77C]/g, 'f')
    .replace(/[\u0067\u24D6\uFF47\u01F5\u011D\u1E21\u011F\u0121\u01E7\u0123\u01E5\u0260\uA7A1\u1D79\uA77F]/g, 'g')
    .replace(/[\u0068\u24D7\uFF48\u0125\u1E23\u1E27\u021F\u1E25\u1E29\u1E2B\u1E96\u0127\u2C68\u2C76\u0265]/g, 'h')
    .replace(/[\u0195]/g, 'hv')
    .replace(/[\u0069\u24D8\uFF49\u00EC\u00ED\u00EE\u0129\u012B\u012D\u00EF\u1E2F\u1EC9\u01D0\u0209\u020B\u1ECB\u012F\u1E2D\u0268\u0131]/g, 'i')
    .replace(/[\u006A\u24D9\uFF4A\u0135\u01F0\u0249]/g, 'j')
    .replace(/[\u006B\u24DA\uFF4B\u1E31\u01E9\u1E33\u0137\u1E35\u0199\u2C6A\uA741\uA743\uA745\uA7A3]/g, 'k')
    .replace(/[\u006C\u24DB\uFF4C\u0140\u013A\u013E\u1E37\u1E39\u013C\u1E3D\u1E3B\u017F\u0142\u019A\u026B\u2C61\uA749\uA781\uA747]/g, 'l')
    .replace(/[\u01C9]/g, 'lj')
    .replace(/[\u006D\u24DC\uFF4D\u1E3F\u1E41\u1E43\u0271\u026F]/g, 'm')
    .replace(/[\u006E\u24DD\uFF4E\u01F9\u0144\u00F1\u1E45\u0148\u1E47\u0146\u1E4B\u1E49\u019E\u0272\u0149\uA791\uA7A5]/g, 'n')
    .replace(/[\u01CC]/g, 'nj')
    .replace(/[\u006F\u24DE\uFF4F\u00F2\u00F3\u00F4\u1ED3\u1ED1\u1ED7\u1ED5\u00F5\u1E4D\u022D\u1E4F\u014D\u1E51\u1E53\u014F\u022F\u0231\u00F6\u022B\u1ECF\u0151\u01D2\u020D\u020F\u01A1\u1EDD\u1EDB\u1EE1\u1EDF\u1EE3\u1ECD\u1ED9\u01EB\u01ED\u00F8\u01FF\u0254\uA74B\uA74D\u0275]/g, 'o')
    .replace(/[\u01A3]/g, 'oi')
    .replace(/[\u0223]/g, 'ou')
    .replace(/[\uA74F]/g, 'oo')
    .replace(/[\u0070\u24DF\uFF50\u1E55\u1E57\u01A5\u1D7D\uA751\uA753\uA755]/g, 'p')
    .replace(/[\u0071\u24E0\uFF51\u024B\uA757\uA759]/g, 'q')
    .replace(/[\u0072\u24E1\uFF52\u0155\u1E59\u0159\u0211\u0213\u1E5B\u1E5D\u0157\u1E5F\u024D\u027D\uA75B\uA7A7\uA783]/g, 'r')
    .replace(/\u00DF/g, 'ss')
    .replace(/[\u0073\u24E2\uFF53\u015B\u1E65\u015D\u1E61\u0161\u1E67\u1E63\u1E69\u0219\u015F\u023F\uA7A9\uA785\u1E9B]/g, 's')
    .replace(/[\u0074\u24E3\uFF54\u1E6B\u1E97\u0165\u1E6D\u021B\u0163\u1E71\u1E6F\u0167\u01AD\u0288\u2C66\uA787]/g, 't')
    .replace(/[\uA729]/g, 'tz')
    .replace(/[\u0075\u24E4\uFF55\u00F9\u00FA\u00FB\u0169\u1E79\u016B\u1E7B\u016D\u00FC\u01DC\u01D8\u01D6\u01DA\u1EE7\u016F\u0171\u01D4\u0215\u0217\u01B0\u1EEB\u1EE9\u1EEF\u1EED\u1EF1\u1EE5\u1E73\u0173\u1E77\u1E75\u0289]/g, 'u')
    .replace(/[\u0076\u24E5\uFF56\u1E7D\u1E7F\u028B\uA75F\u028C]/g, 'v')
    .replace(/[\uA761]/g, 'vy')
    .replace(/[\u0077\u24E6\uFF57\u1E81\u1E83\u0175\u1E87\u1E85\u1E98\u1E89\u2C73]/g, 'w')
    .replace(/[\u0078\u24E7\uFF58\u1E8B\u1E8D]/g, 'x')
    .replace(/[\u0079\u24E8\uFF59\u1EF3\u00FD\u0177\u1EF9\u0233\u1E8F\u00FF\u1EF7\u1E99\u1EF5\u01B4\u024F\u1EFF]/g, 'y')
    .replace(/[\u007A\u24E9\uFF5A\u017A\u1E91\u017C\u017E\u1E93\u1E95\u01B6\u0225\u0240\u2C6C\uA763]/g, 'z');
}

console.log(`"Ein Olfass und dazu PINATAS" == normalizeDiacritics("Ein Ölfaß und dazu PIÑATAS"`);
console.log("Ein Olfass und dazu PINATAS" == normalizeDiacritics("Ein Ölfaß und dazu PIÑATAS"));