删除Scala中的变音符号

Question

这个问题很简单，在某些语言中使用字符串可以去除变音符号。例如，取"téléphone"会产生结果"phone"。

在Java中，我可以使用这样的方法：

 public static String removeAccents(String str){
    return Normalizer.normalize(str, Normalizer.Form.NFD).replaceAll("\p{InCombiningDiacriticalMarks}+", "");
}

它工作得很好，但在scala中它不。。。我尝试了如下代码：

val str = Normalizer.normalize("téléphone",Normalizer.Form.NFD)
val exp = "\p{InCombiningDiacriticalMarks}+".r
exp.replaceAllIn(str,"")

它不起作用！

我想，我在Scala中使用Regex时遗漏了一些东西，所以任何帮助都将不胜感激。

Answer 1

我在使用Normalizer时遇到了同样的问题。从Apache Commons StringUtils中找到了一个stripAccents形式的解决方案，该解决方案从字符串中删除了diacities。

 val str = stripAccents("téléphone")
 println(str)

这将产生"电话"。希望这能帮助到别人！

Answer 2

您可以使用它，创建一个函数来返回stripAccents的值。

val spark=SparkBase.getSparkSession()
val sc=spark.sparkContext
import spark.implicits._
val str = stripAccents("téléphone")
println(str)
val str2 = stripAccents("SERNAQUE ARGÜELLO NORMA ELIZABETH")
println(str2)
case class Fruits(name: String, quantity: Int)
val sourceDS = Seq(("YÁBAR ARRIETA JENSON", 1), ("SERNAQUE ARGÜELLO NORMA ELIZABETH", 2)).toDF("text","num")
val check = udf((colValue: String) => {
  stripAccents(colValue)
})
sourceDS.select(col("text"),check(col("text"))).show(false)

->输出

+---------------------------------+---------------------------------+
|text                             |UDF(text)                        |
+---------------------------------+---------------------------------+
|YÁBAR ARRIETA JENSON             |YABAR ARRIETA JENSON             |
|SERNAQUE ARGÜELLO NORMA ELIZABETH|SERNAQUE ARGUELLO NORMA ELIZABETH|
+---------------------------------+---------------------------------+