java – 如何通过规范化字母表单来过滤聊天消息？

发布时间：2020-12-15 02:22:01 所属栏目：Java 来源：网络整理

导读：我在聊天系统上过滤聊天消息,其中需要将字符串限制为Latin-1英语.用户倾向于使用创意类型,例如 ?òógīě§ 代替 Boogies 在Java中,有unicode规范化方法可以删除变音符号,但我更感兴趣的是将字母形状标准化为英语和Latin-1字符集的方法. 是否有任何表,库或

我在聊天系统上过滤聊天消息,其中需要将字符串限制为Latin-1英语.用户倾向于使用创意类型,例如

?òógīě§

代替

Boogies

在Java中,有unicode规范化方法可以删除变音符号,但我更感兴趣的是将字母形状标准化为英语和Latin-1字符集的方法.

是否有任何表,库或方法可以将Latin-1之外的常见unicode字符映射到最近的形式？例如.

? -> B
§ -> S
￥ -> Y
¤ -> o

我怀疑答案是“不,这太大了,只是将它们全部过滤掉”但我希望……

我认为你最好的选择是使用OCR(光学字符识别)引擎.毕竟,这正是您所追求的：尽最大努力将字母解析为可读的A-Z字符. (请记住使用聊天客户端中使用的相同字体将聊天消息打印到图像上.)

两个Java-OCR库：

> Asprise
> Tesseract

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!