kzen.dev
Mai mult
Question

Ignorarea litere accentuate în comparație șir

Am nevoie pentru a compara 2 siruri de caractere în C# și trata litere accentuate la fel ca non-litere accentuate. De exemplu:

string s1 = "hello";
string s2 = "héllo";

s1.Equals(s2, StringComparison.InvariantCultureIgnoreCase);
s1.Equals(s2, StringComparison.OrdinalIgnoreCase);

Aceste 2 siruri de caractere trebuie să fie același (în măsura în care cererea mea este în cauză), dar ambele afirmații evaluează la false. Există un mod în C# pentru a face acest lucru?

Programare
c#
string
localization
Solution / Answer

EDIT 2012-01-20: Oh boy! Soluția era mult mai simplă și a fost în cadrul aproape pentru totdeauna. După cum a subliniat de către knightpfhor :

string.Compare(s1, s2, CultureInfo.CurrentCulture, CompareOptions.IgnoreNonSpace);

Aici's o funcție care benzi diacritice dintr-un șir:

static string RemoveDiacritics(string text)
{
  string formD = text.Normalize(NormalizationForm.FormD);
  StringBuilder sb = new StringBuilder();

  foreach (char ch in formD)
  {
    UnicodeCategory uc = CharUnicodeInfo.GetUnicodeCategory(ch);
    if (uc != UnicodeCategory.NonSpacingMark)
    {
      sb.Append(ch);
    }
  }

  return sb.ToString().Normalize(NormalizationForm.FormC);
}

Mai multe detalii pe MichKap's blog (RIP...).

Principiul este că acesta se transformă 'é' în 2 caractere succesive 'e', acute. Atunci reiterează prin caractere și sare diacritice.

"héllo" devine "a<acut>llo", care la rândul său devine "buna ziua".

Debug.Assert("hello"==RemoveDiacritics("héllo"));

Notă: Aici's-o mai compactă .NET4+ friendly versiune de aceeași funcție:

static string RemoveDiacritics(string text)
{
  return string.Concat( 
      text.Normalize(NormalizationForm.FormD)
      .Where(ch => CharUnicodeInfo.GetUnicodeCategory(ch)!=
                                    UnicodeCategory.NonSpacingMark)
    ).Normalize(NormalizationForm.FormC);
}
Community
Community
Răspuns editat 23 mai 2017 в 12:17
237

Dacă tu nu't nevoie pentru a converti șirul și vrei doar să verificați pentru egalitatea puteți utiliza

string s1 = "hello";
string s2 = "héllo";

if (String.Compare(s1, s2, CultureInfo.CurrentCulture, CompareOptions.IgnoreNonSpace) == 0)
{
    // both strings are equal
}

sau, dacă doriți o comparație a fi caz insensibil la fel de bine

string s1 = "HEllO";
string s2 = "héLLo";

if (String.Compare(s1, s2, CultureInfo.CurrentCulture, CompareOptions.IgnoreNonSpace | CompareOptions.IgnoreCase) == 0)
{
    // both strings are equal
}
knightpfhor
knightpfhor
Răspuns editat 13 ianuarie 2015 в 8:24
126

Următoarea metodă `CompareIgnoreAccents (...) pe date exemplu. Aici este articolul unde mi-am luat informații de fond: http://www.codeproject.com/KB/cs/EncodingAccents.aspx

private static bool CompareIgnoreAccents(string s1, string s2)
{
    return string.Compare(
        RemoveAccents(s1), RemoveAccents(s2), StringComparison.InvariantCultureIgnoreCase) == 0;
}

private static string RemoveAccents(string s)
{
    Encoding destEncoding = Encoding.GetEncoding("iso-8859-8");

    return destEncoding.GetString(
        Encoding.Convert(Encoding.UTF8, destEncoding, Encoding.UTF8.GetBytes(s)));
}

Cred că o metodă de prelungire ar fi mai bine:

public static string RemoveAccents(this string s)
{
    Encoding destEncoding = Encoding.GetEncoding("iso-8859-8");

    return destEncoding.GetString(
        Encoding.Convert(Encoding.UTF8, destEncoding, Encoding.UTF8.GetBytes(s)));
}

Atunci utilizare ar fi asta:

if(string.Compare(s1.RemoveAccents(), s2.RemoveAccents(), true) == 0) {
   ...
Ryan Cook
Ryan Cook
Răspuns editat 11 decembrie 2008 в 5:06
5

Am avut de a face ceva similar, dar cu o metoda StartsWith. Aici este o soluție simplă derivat de la @Serge - appTranslator.

Aici este o metodă de prelungire: 

    public static bool StartsWith(this string str, string value, CultureInfo culture, CompareOptions options)
    {
        if (str.Length >= value.Length)
            return string.Compare(str.Substring(0, value.Length), value, culture, options) == 0;
        else
            return false;            
    }

Și pentru unul garnituri nebuni ;)

    public static bool StartsWith(this string str, string value, CultureInfo culture, CompareOptions options)
    {
        return str.Length >= value.Length && string.Compare(str.Substring(0, value.Length), value, culture, options) == 0;
    }

Accent incensitive și cazul incensitive startsWith poate fi numit astfel de prognoze

value.ToString().StartsWith(str, CultureInfo.InvariantCulture, CompareOptions.IgnoreNonSpace | CompareOptions.IgnoreCase)
3

Un mod mai simplu de a elimina accente:

    Dim source As String = "áéíóúç"
    Dim result As String

    Dim bytes As Byte() = Encoding.GetEncoding("Cyrillic").GetBytes(source)
    result = Encoding.ASCII.GetString(bytes)
0

încercați această suprasarcină pe Sfoară.Compara Metoda.

Șir.Compara Metoda (String, String, Boolean, CultureInfo)

Se produce o int valoare, bazată pe compara operațiunile, inclusiv cultureinfo. de exemplu, în pagina de compara "Schimbarea" în ro-ro și ro-CZ. CH în ro-CZ este un singur "litera".

exemplu de link-ul

using System;
using System.Globalization;

class Sample {
    public static void Main() {
    String str1 = "change";
    String str2 = "dollar";
    String relation = null;

    relation = symbol( String.Compare(str1, str2, false, new CultureInfo("en-US")) );
    Console.WriteLine("For en-US: {0} {1} {2}", str1, relation, str2);

    relation = symbol( String.Compare(str1, str2, false, new CultureInfo("cs-CZ")) );
    Console.WriteLine("For cs-CZ: {0} {1} {2}", str1, relation, str2);
    }

    private static String symbol(int r) {
    String s = "=";
    if      (r < 0) s = "<";
    else if (r > 0) s = ">";
    return s;
    }
}
/*
This example produces the following results.
For en-US: change < dollar
For cs-CZ: change > dollar
*/

pentru acestea pentru accentuate limbi veți avea nevoie pentru a obține cultura atunci testa siruri de caractere pe baza asta.

http://msdn.microsoft.com/en-us/library/hyxc48dt.aspx

-3