Tengo un problema, estoy intentando normalizar un texto y para esto he creado un método que normalice cada palabra. Al hacerlo, este me cambia las letras con acento por la letra a.
Ej: "canción" = "cancian".
Este método es llamado dentro de otro de la misma clase en el cual leo desde un archivo de texto, y cada palabra la normalizo y la meto dentro de un ArrayList. Cuando llamo el metodo desde fuera funciona correctamente, pero cuando lo aplico dentro del otro metodo es cuando pasa esto.
He probado con:
.replaceAll("[^\\p{ASCII}]", "")
Y con:
replaceAll("\\p{InCombiningDiacriticalMarks}+", "");
Y no hay manera, aquí dejo el código del método.
Gracias de antemano.
public static String normalizaString(String plbr) {
String limpio =null;
if (plbr !=null) {
limpio = plbr;
// Normalizar texto para eliminar acentos, dieresis, cedillas y tildes
limpio = Normalizer.normalize(limpio, Normalizer.Form.NFD);
// Quitar caracteres no ASCII.
limpio = limpio.replaceAll("\\p{InCombiningDiacriticalMarks}+", "");
// Poner en minusculas.
limpio = limpio.toLowerCase();
// limpio = limpio.replaceAll("[^\\p{ASCII}]", "");
// Quitar cualquier tipo de puntuación aderida a la palabra
limpio = limpio.replaceAll("\\p{Punct}","");
}
return limpio;
}
El método desde el cual hago la llamada es el siguiente:
public static ArrayList<String> fileToArray(String pathText) throws IOException {
ArrayList<String> arrayText = new ArrayList<String>();
String s1;
String s2;
// Cargamos el buffer con el contenido del archivo
BufferedReader br = new BufferedReader (new FileReader (pathText));
// Leemos la primera linea
while (br.ready()) {
s1 = br.readLine();
StringTokenizer st = new StringTokenizer (s1);
// bucle por todas las palabras
while (st.hasMoreTokens())
{
s2 = st.nextToken();
s2 = HerramientasTexto.normalizaString(s2);
arrayText.add(s2);
}
}
//Aqui unicamente muestro por pantalla.
for (int i =0; i<arrayText.size(); i++){
System.out.println(arrayText.get(i));
}
return arrayText;
}