时间戳

首页 > 解决方案 > 应该使用哪个罗马化标准来改进阿拉伯语-拉丁语的 ICU4j 音译？

java - 应该使用哪个罗马化标准来改进阿拉伯语-拉丁语的 ICU4j 音译？

问题描述

我们需要将阿拉伯文本音译为拉丁字符（不带变音符号）并将其显示给用户。

我们目前正在为此使用 IBM ICU4j。API 不能很好地将阿拉伯文本转译成适当的可读拉丁字符。请参考以下示例：

例子

我们如何改进 ICU4j 库的音译输出？

ICU4J 为我们提供了编写自己的规则的选项，但我们目前陷入困境，因为我们团队中没有人懂阿拉伯语并且无法找到任何可以遵循的适当标准。

标签： javanlptransliterationtranscriptionicu4j

解决方案

我花了 4 个小时来研究任何其他资源来解决这个问题。后来我尝试了 ICU4J 并找到了解决您问题的方法。您可以运行代码并查看您遗漏的点。

package com.webom.crypt;

import org.apache.commons.lang3.StringEscapeUtils;

import com.ibm.icu.text.Transliterator;

public class Test {



        public static String ARABIC_TO_LATIN = "Arabic-Latin";
        public static String ARABIC_TO_LATIN_NO_ACCENTS = "Arabic-Latin; nfd; [:nonspacing mark:] remove; nfc";

        public static void main(String[] args) {
            String ARABICString = "صدام حسين التكريتي";

            String unicodeCodes = StringEscapeUtils.escapeJava(ARABICString);
            System.out.println("Unicode codes:" + unicodeCodes);
 ///YOUR WAY
            Transliterator ARABICToLatinTrans = Transliterator.getInstance(ARABIC_TO_LATIN);
            String result1 = ARABICToLatinTrans.transliterate(ARABICString);
            System.out.println("ARABIC to Latin:" + result1);
    //MINE WAY      
            Transliterator ARABICToLatinNoAccentsTrans = Transliterator.getInstance(ARABIC_TO_LATIN_NO_ACCENTS);
            String result2 = ARABICToLatinNoAccentsTrans.transliterate(ARABICString);
            System.out.println("ARABIC to Latin (no accents):" + result2);
        }
    }

只需检查答案并自行验证。因为您收到的输出将完全如下所示。

 Unicode codes:\u0635\u062F\u0627\u0645 \u062D\u0633\u064A\u0646\u0627\u0644\u062A\u0643\u0631\u064A\u062A\u064A

ARABIC to Latin:ṣdạm ḥsyn ạltkryty

ARABIC to Latin (no accents):sdam hsyn altkryty

推荐阅读