Java中有一個用於字符串規範化的庫？

Question

是的，我知道有一個類似的問題，但我想要一個不同的東西。

我想正常化標點，空格，引號，連字符等，但在字母不能碰。

有很多關於雙引號，單引號，空格等字符不同的我想用默認的字符來代替所有的可能性。

目前，我正在使用正則表達式，但我聚會，我發現所有的可能性，並增加了手動正則表達式。我想知道是否有可以做到這一點的lib，但不要將字母替換爲非重音字母。

編輯：

下面是一些例子：

text.replaceAll("[–––—]", "-"); 
text.replaceAll("[\\u0000-\\u0009\\u000B-\\u001F\\u0080-\\u009F]", ""); 
replacedText = text.replaceAll("[「」「」「「」「」「」「」「」]", "\""); 
text.replaceAll("[\\u00A0\\u2000-\\u200B\\u205F\t]+", " "); 

許多字符具有相同的字體表示，但在不同的Unicode字符。

Answer 1

如果你這樣做是因爲我們做的（全文搜索/索引）同樣的原因，你可以看看文字規範化功能Lucene提供。一個很好的例子是here。

與Java的Pattern和Matcher類，否則正則表達式是你最好的選擇。