RegexOptions.CultureInvariantアクセントに一致するものが見つかりません

Question

アクセントを無視した正規表現を作成したいと思います。例えば

：

string s = "I am an old élephant"; 
string pattern = "elephant"; 
bool result = new Regex(pattern, RegexOptions.CultureInvariant).IsMatch(s); 

私の文化私はテストです：

System.Globalization.CultureInfo.CurrentCulture = Fr-fr 

だから私は、一致を見つけるために、このコードを期待しているだろうが、それはしていません。

これに簡単にマッチする方法はありますか？

私はélèphântをElephantに置き換えるStringReplaceオーバーロードメソッドを作成しようとしています。

Answer 1

使用方法次

public string removeDiacritics(string str) 
    { 
     var sb = new StringBuilder(); 

     foreach (char c in str.Normalize(NormalizationForm.FormD)) 
     { 
      if (CharUnicodeInfo.GetUnicodeCategory(c) != UnicodeCategory.NonSpacingMark) 
      { 
       sb.Append(c); 
      } 
     } 
     return sb.ToString().Normalize(NormalizationForm.FormC); 
    } 

そして、それは

 string s = "I am an old élephant"; 
     string pattern = "elephant"; 
     bool result = new Regex(pattern, RegexOptions.IgnoreCase).IsMatch(removeDiacritics(s)); //true 

た場合に動作しますあなたは何かを置き換える必要があります。 matchcollectionを（逆方向に）繰り返し、それぞれの一致のインデックスに応じて元の文字列を編集します。

、について説明：（私は、文字列「私は古い象だ」使用しています）

のリストに、元の文字列のすべての文字を書いてみましょう：

foreach (char c in str) 
{ 
    chars1.Add(c); 
} 

として、 charがUnicode char 233または00E9として定義されていることがわかります（http://unicode-table.com/de/#00E9参照）

ここで正規化について説明します

documentionが言うように： フォームD：

char型のEはEとアクセント文字の中に "分割" されていることを意味

Indicates that a Unicode string is normalized using full canonical decomposition. 

。

ことを確認するには、聞かせての出力正規化された文字列の文字は：

List<char> chars2 = new List<char>(); 
foreach(char c in str.Normalize(NormalizationForm.FormD)) 
{ 
    chars2.Add(c); 
} 

時計に見られるように

、Eは今や101（\ u0065）+ 2つの文字（に正規化されます 正規化された文字列のすべての文字を繰り返し処理し、 "NonSpacingMark"の場合はStringBuilderに追加します。

MSDN： https://msdn.microsoft.com/en-us/library/system.globalization.unicodecategory(v=vs.110).aspx

NonSpacingMark基本文字の修飾を示す

ノンスペーシング文字。 ユニコード指定「Mn」（マーク、スペースなし）で示されます。 値は、今私たちの文字列に2つのまたは3文字のように定義されている他のすべての文字は、Unicodeの文字記号に「変換」になっていることを確認するために、最後に5.

で、私たちは私たちの新しいを正規化する必要があります文字列をFormCに戻します。

MSDN： FormC：

が可能な場合、それらの 主要複合材を有する配列の置換に続いて、Unicode文字列を完全正規 分解を用いて正規化されていることを示します。

Answer 2

のバリアント正規表現を指定しています。つまり、あなたの文化はのように無視されます。だから...

bool result = new Regex(pattern).IsMatch(s); 

をオプションを削除する必要が...またはあなたが文化に依存しないようにしたい場合は、あなたのパターンを拡張し、次のいずれか

string pattern = "[eé]lephant"; 

Answer 3

正規表現を使用する場合は、\P{L}を使用して、指定されたユニコードチャプターが文字であることを指定できます。

 string s = "I am an old ùûüÿàâçéèêëïîô"; 
     string pattern = @"(\p{L})"; 
     var regex = new Regex(pattern); 
     var result = regex.Replace(s, @"$1"); 
     Console.WriteLine(result);//I am an old uuuyaaceeeeiio