Rimozione corsivo da caratteri in una stringa

4 Risposte

• 

  andbin

  Super Famoso

  Iscritto da

  ott, 2013

  Messaggi:

  6273

  Re: Rimozione corsivo da caratteri in una stringa

  16 mag 2019, 20:39

  Aleph Zero ha scritto:

  ---

  
  a : \uD835\uDC4E
  ...
  z : \uD835\uDC67
  

  Innanzitutto sono 2 char per ciascuno di quei caratteri perché quelli sono i cosiddetti "surrogate pairs". Lo standard Unicode contempla molto più che 65536 caratteri. Per rappresentare in UTF-16 quei caratteri oltre 65535 hanno inventato questa codifica per cui appunto servono 2 caratteri a 16 bit (il char di Java).
  
  Comunque la conversione si può fare sicuramente in svariati modi. Tra questi anche sicuramente con l'uso ("furbo") delle espressioni regolari.
  Banalmente anche andando a cercare nella stringa gli \uD835 e verificare se il char successivo è tra \uDC4E e \uDC67 .
  
  EDIT: se puoi usare almeno Java 9, c'è il bel replaceAll?(Function<MatchResult,String> replacer) di Matcher che è stato introdotto.
  Se fai un Pattern in cui c'è una "classe di caratteri" tra due code-point, poi puoi banalmente rimpiazzare il surrogate pair con il carattere a-z corrispondente.
  
  Vedi qui il Mathematical Italic Small A:
• A

  Aleph Zero

  Pochi posts

  Iscritto da

  lug, 2014

  Messaggi:

  30

  Re: Rimozione corsivo da caratteri in una stringa

  16 mag 2019, 23:33

  Grazie mille Andbin. Con i tuoi consigli mi hai indirizzato sulla strada giusta.
  Dalla documentazione ho trovato che una surrugate pair (non sapevo che si chiamasse così grazie ) ha comunque un unico codepoint , ovvero quello che serviva a me per la conversione. Ho quindi fatto un replace sul range dei caratteri che mi servivano, sostituendoli con la loro versione decrementata della differenza con i caratteri non corsivi.
  

  se puoi usare almeno Java 9

  In realtà sto usando Clojure. È una sorta di Java funzionale e usano le stesse librerie.
  
  Giusto per correttezza posto la soluzione.

  
  
  (def ^:const ITALIC_DIFF 119789)
  
  (defn clean-italic [italic-char]
    (let [codepoint (. italic-char codePointAt 0)] // trovo il codepoint del carettere corsivo
      (-> codepoint (- ITALIC_DIFF) char str))) //al codepoint sottraggo la differenza, lo converto prima in char e poi in stringa 
  
  (defn foo []
    (let [cmml // genero la stringa
          cmml-no-italic (str/replace cmml #"[\uD835\uDC4E-\uD835\uDC67]+" #(clean-italic %1))]
      cmml-no-italic)
    )
  
  

• 

  andbin

  Super Famoso

  Iscritto da

  ott, 2013

  Messaggi:

  6273

  Re: Rimozione corsivo da caratteri in una stringa

  16 mag 2019, 23:51

  Aleph Zero ha scritto:

  ---

  In realtà sto usando Clojure.

  Ah ok. Per me la sintassi di Clojure è "quasi arabo", come si dice.
  
  Comunque quello che pensavo per Java 9 è (scritto al volo ma provato, funziona):
  

  String str = "Dalla \uD835\uDC4E alla \uD835\uDC67";
  
  Pattern p = Pattern.compile("[\\x{1D44E}-\\x{1D467}]");
  Matcher m = p.matcher(str);
  
  String res = m.replaceAll(mr -> String.valueOf((char) (mr.group().charAt(1) - 0xDBED)));

• A

  Aleph Zero

  Pochi posts

  Iscritto da

  lug, 2014

  Messaggi:

  30

  Re: Rimozione corsivo da caratteri in una stringa

  17 mag 2019, 00:17

  Per me la sintassi di Clojure è "quasi arabo"

  All'inizio sembra strana ma dopo un po' ci si abitua .
  
  La tua soluzione mi piace parecchio, è semplice e compatta. La parte funzionale di Java è una manna dal cielo.
  
  Comunque ti ringrazio ancora per l'aiuto