Eliminación de acentos (signos diacríticos) de caracteres latinos para comparar

Question

Necesito comparar los nombres de lugares europeos que se escriben usando el alfabeto latino con acentos (signos diacríticos) en algunos caracteres. Hay muchos nombres de Europa Central y del Este escritos con acentos como caracteres latinos en ž y ü, pero algunas personas escriben los nombres simplemente usando los caracteres latinos normales sin acentos como z y u.

Necesito una forma de que mi sistema reconozca, por ejemplo, mšk žilina siendo lo mismo que msk zilina, y similar para todos los demás caracteres acentuados utilizados. ¿Hay una manera simple de hacer esto?

Answer 1

Puede hacer uso de java.text.Normalizer y little regex para deshacerse de diacritical marks.

public static String removeDiacriticalMarks(String string) { 
    return Normalizer.normalize(string, Form.NFD) 
     .replaceAll("\\p{InCombiningDiacriticalMarks}+", ""); 
} 

Ejemplo de uso:

String text = "mšk žilina"; 
String normalized = removeDiacriticalMarks(text); 
System.out.println(normalized); // msk zilina