groovy 将任何语言音译为拉丁语

Question

我想在 groovy 中将文本字符串 UTF 音译为拉丁字符（用于 URL 目的）。我检查了几个库，有些库正在工作，有些则没有。

目前我正在使用这段代码：

@Grab(group='com.ibm.icu', module='icu4j', version='58.2')
import com.ibm.icu.text.Transliterator;

String cyrilic      = "ш щ ч ц х ф г я ";
String id = "Bulgarian-Latin/BGN";
String id1 = "Latin";

String latin = Transliterator.getInstance(id).transform(cyrilic);
println "ok : " + latin;
String latin1 = Transliterator.getInstance(id1).transform(cyrilic);
println "nok : " + latin1;

结果

ok : sh sht ch ts kh f g ya 
nok : š ŝ č c h f g â

问题是我无法检测到字符串的正确标识符。

我想为任意语言执行此操作：日语、中文、德语

Answer 1

使用Any:

@Grab(group='com.ibm.icu', module='icu4j', version='58.2')
import com.ibm.icu.text.Transliterator;

String anything = "ш щ ч ц х ф г я चंब्रिद्गॆ цамбридге كَمبرِدگِ かんぶりでげ";
String id = "Any-Latin";

println Transliterator.getInstance(id).transform(anything);

根据评论更新：

@Grab(group='com.ibm.icu', module='icu4j', version='58.2')
import com.ibm.icu.text.Transliterator;

String anything = "ш ч с";
String id = "Cyrillic-Latin";

Transliterator.getInstance(id).transform(anything);

上面的代码片段returns š č s； š 拉丁文字音译结果确实是 representation of the sound of "sh". The same is for č which is "ch"。我在这里提供了 с 以显示为它返回 s 的区别。

ICU4J 进行 Cyrillic-Latin 音译的规则记录在 CLDR 项目中（例如，参见 Cyrillic to Latin 的规则）。

要获得您想要的输出，您可以使用自己的自定义规则进行另一次转换：

@Grab(group='com.ibm.icu', module='icu4j', version='58.2')
import com.ibm.icu.text.Transliterator;

String anything = "ш ч с";
String id = "Cyrillic-Latin";

String myRules = "š>sh; č>ch";
Transliterator myTransliterator = Transliterator.createFromRules("myRules", myRules, Transliterator.FORWARD);

myTransliterator.transform(Transliterator.getInstance(id).transform(anything));

输出 sh ch s.

如果您认为更适合您的目的，您也可以决定从头开始定义所有西里尔字母规则。

groovy 将任何语言音译为拉丁语

groovy transliteration any language to latin

groovy

transliteration