Как я могу использовать Java Regex для турецких символов в UTF-8

Question

Я пытаюсь выполнять операции регулярного выражения в Java. Но когда я ищу в турецком тексте, у меня проблемы. Например;

Search Text = "Ahmet Yıldırım" or "Esin AYDEMİR" 

//The e-mail stated in part(Ex: yildirim@example.com) , trying to look in name. 
Regex Strings = "yildirim" or "aydemir". 

искомый текст динамически changing.Therefore, как я могу решить эту проблему с помощью Java регулярных выражений шаблона. Или Как преобразовать турецкие символы (Ex: AYDEMİR convert to AYDEMIR или Yıldırım -> Yildirim).

К сожалению, о моих ошибках ... GRAMMER

Answer 1

Использование Pattern.CASE_INSENSITIVE и Pattern.UNICODE_CASE флаг:

Pattern p = Pattern.compile("yildirim", Pattern.CASE_INSENSITIVE | Pattern.UNICODE_CASE); 

Demo on ideone

Pattern.CASE_INSENSITIVE по умолчанию соответствует только регистронезависимо для символов US-ASCII набор символов. Pattern.UNICODE_CASE изменяет поведение, чтобы он не учитывал регистр символов для всех символов Unicode.

Обратите внимание, что соответствие Unicode без учета регистра в Java regex выполняется с учетом нечувствительности к культуре. Поэтому ı, i, I, İ считаются одинаковыми.

В зависимости от вашего случая использования, вы можете захотеть использовать Pattern.LITERAL, если вы хотите, чтобы отключить все метасимволы в шаблоне, или только избежать буквенные части шаблона с Pattern.quote()

Answer 2

Вопрос в your comment является более сложным, чем оригинал один.

Вы можете использовать

string=Normalizer.normalize(string, Normalizer.Form.NFD).replaceAll("\\p{Mn}", ""); 

конвертировать "İÖÜŞÇĞıöüşçğ" в "IOUSCGıouscg", который уже достаточно для случая нечувствительный матч, как отметил out by nhahtdh. Если вы хотите выполнить совпадение с регистром, вы должны добавить .replace('ı', 'i') в соответствие с ı с i.