Блог

Хорошо, итак, я чувствую, что этот вопрос задавался много раз, но я не могу найти ответ. Я сравниваю два разных файла, которые были сгенерированы двумя разными программами. Конечно, обе программы генерируют файлы из одних и тех же запросов к БД. Я сталкиваюсь со следующими различиями:

s1 = Samsung - Mobile USB Chargers

против.

s2 = Samsung u2013 Mobile USB Chargers

Как мне преобразовать s2 в s1 или, что еще лучше, как мне сравнить их без получения разницы? Кто-то где-то в широком Интернете упомянул об использовании класса StringUtils ApacheCommons-lang, но я не смог найти ничего полезного.

Вы могли бы сложить все символы с помощью свойства Dash_Punctuation.

Этот код будет напечатан true :

 boolean equal = "Samsung u2013 Mobile USB Chargers"
                    .replaceAll("\p{Pd}", "-")
                    .equals("Samsung - Mobile USB Chargers");
System.out.println(equal);
  

Обратите внимание, что это будет применяться ко всем символам с этим свойством (например, 〰 U 3030 ВОЛНИСТАЯ ЧЕРТОЧКА). Полный список символов со свойством Dash_Punctuation (Pd) находится в UnicodeData.txt. Java 6 поддерживает Unicode 4. Обсуждение пунктуации см. в главе 6.

Программа, сгенерировавшая первую строку, записывает файл в ASCII, используя резервный механизм замены символов. Второй способ заключается в записи файла в Unicode.

Их можно сравнить, создав копию второго файла в ASCII с использованием того же резервного механизма.

Лучшим решением было бы модифицировать первую программу так, чтобы она также использовала Unicode.

(Возможно, что во втором файле использовалось что-то другое, кроме Unicode, поскольку некоторые другие наборы символов включают тире en. Если это так, то лучшим решением будет записать оба файла в Unicode, если это возможно.)