处理用于代替拉丁字符的西里尔字母

Question

我们最近有一个用户输入英文文本，但它似乎是在为西里尔文设置的计算机上完成的，因为“a”等一些字母实际上是西里尔小写字母 A，而不是拉丁小写字母字母 A。

我认为normalising 会将西里尔字母转换为等价的拉丁文，但事实并非如此（我猜它们只是在显示方式上相同，而不是在含义上）。

这是一个常见问题吗 - 为西里尔文设置计算机的用户可能正在写英文，但使用的是西里尔字母？

一般来说，什么是发现这一点并进行适当转换的安全方法？

Answer 1

要检测西里尔字母，只需使用正则表达式匹配 [\p{IsCyrillic}]。更通用的方法是搜索任何非拉丁字符。 找到匹配的字符，您需要将字符替换为对应的拉丁文字符。