10

He probado varios métodos para intentar esto, y ninguno me funcionó. Lo que necesito es un método que limpie palabras de tildes, y otros símbolos como la ñ o la ü. Es decir:

Si recibe la palabra corrió, devuelve la palabra corrio, o ñandú, devuelve nandu.

Probé los siguientes métodos encontrados en este sitio y otros y ninguno funciona!

private String remove1(String texto) {
    String original = "ÀÁÂÃÄÅÆÇÈÉÊËÌÍÎÏÐÑÒÓÔÕÖØÙÚÛÜÝßàáâãäåæçèéêëìíîïðñòóôõöøùúûüýÿ";
    // Cadena de caracteres ASCII que reemplazarán los originales.
    String ascii = "AAAAAAACEEEEIIIIDNOOOOOOUUUUYBaaaaaaaceeeeiiiionoooooouuuuyy";
    String output = texto;
    for (int i=0; i<original.length(); i++) {
    // Reemplazamos los caracteres especiales.

        output = output.replace(original.charAt(i), ascii.charAt(i));

    }//for i

Probé este otro también:

public String deAccent(String str) {
      String nfdNormalizedString = Normalizer.normalize(str,  Normalizer.Form.NFD); 
      Pattern pattern = Pattern.compile("\\p{InCombiningDiacriticalMarks}+");
      return pattern.matcher(nfdNormalizedString).replaceAll("");
}

Todos me devuelven la misma cadena sin modificarla, ¿Cuál puede ser el error?

También necesitaría remover los signos de puntuación, que solo queden caracteres alfanuméricos al ser leídos de un archivo .txt

EDITO, clase completa: El metodo recibe una lista de archivos(libros) de texto para limpiarlos y agregarlos a un vocabulario implementado en un arbol binario.

public boolean procesar()
{

        if (libros.getFirst()==null)
        {
            System.out.println("no hay libro");
            return false;

        }
        else 
        {


        File f;

        for (int i = 0; i < libros.size(); i++) 
        {   
            try {
            Libro l;
            l = (Libro) libros.pollFirst();
            f = l.getFile();
            FileReader fr = new FileReader(f);
            BufferedReader br = new BufferedReader(fr);
            String ln = br.readLine();

                while(ln!=null)
                {

                    StringTokenizer st = new StringTokenizer(clean);
                    while (st.hasMoreTokens()) 
                    {

                        String word = st.nextToken();
                        String clean;
                        clean = remove1(word);


                        Palabra p = new Palabra(clean, l);
                        if (h1.contains(p)==false)
                        {
                        h1.add(p);
                       contador++;    

                        }
                        else
                        {
                            Palabra aux = (Palabra) h1.search(p);
                            aux.agregaUno();


                        }

                        //System.out.println(clean);

                    }
                ln = br.readLine();

                }


                }
            catch (IOException ioe)
            {
                System.out.println("ERROR AL ABRIR ARCHIVO");

            }
        }
        return true;
        }

}
7
  • 2
    Yo he usado el primer método que indicas y funciona.
    – Awes0meM4n
    Commented el 1 nov. 2016 a las 21:42
  • 1
    El segundo método funciona perfecto también... Quizás el error está en otro lado. ¿Podrías generar un ejemplo con datos?
    – Mariano
    Commented el 1 nov. 2016 a las 21:42
  • Creo que en el primero no haces return output y lo usas donde necesites la cadena cambiada, porque no te cambia texto, te genera otra cambiada que es la variable output.
    – Awes0meM4n
    Commented el 1 nov. 2016 a las 21:43
  • 2
    @JuliánLópezScala revisa la codificación configurada en el editor de código que estés usando
    – Mariano
    Commented el 1 nov. 2016 a las 22:37
  • 1
    Reporto también que realizando pruebas con el primer método obtengo la funcionalidad esperada.
    – dwarandae
    Commented el 1 nov. 2016 a las 22:43

6 respuestas 6

10

Para quitar los acentos puedes usar la clase StringUtils de Apache Commons lang3.

Usando esta clase, tienes el método stripAccents, el cual, en su definición, pone lo siguiente:

Removes diacritics (~= accents) from a string. The case will not be altered.

For instance, 'à' will be replaced by 'a'.

Lo que viene a decir:

Elimina diacríticos (~ = acentos) de una cadena. El caso no será alterado.

Por ejemplo, 'à' será reemplazado por 'a'.

3
  • Estas son las palabras que ingreso y esto es lo que me devuelve, nose porque ningun metodo que intento me funciona (y si esta bien codificado) saltó corrió corría céluñar ñandú ----- corri� - 1 corr�a - 1 c�lu�ar - 1 salt� - 1 �and� - 1 ------ (Los numeros y guinoes los agregue yo, posee un contador de frecuencias tambien) Commented el 1 nov. 2016 a las 22:04
  • 5
    @JuliánLópezScala Puede ser que tengas el IDE configurado para una codificación distinta. A mí una vez me pasaba algo parecido en eclipse porque la consola estaba en una codificación distinta al IDE (UTF y Windows 1252).
    – Awes0meM4n
    Commented el 1 nov. 2016 a las 22:11
  • Edito con el codigo de la clase completa, posiblemente algo este haciendo mal y no logro darme cuenta. Gracias Commented el 1 nov. 2016 a las 22:30
3

Por si alguien aún necesita un método que haga esto, el segundo método que mencionó Julián me ha servido mucho a mí, solo que un poquito diferente:

public static String quitaDiacriticos(String s) {
    s = Normalizer.normalize(s, Normalizer.Form.NFD);
    s = s.replaceAll("[\\p{InCombiningDiacriticalMarks}]", "");
    return s;
}

Recomendaría acoplarlo al final con un s.toLowerCase()

2

Puedes usar este método usando Normalizer y un REGEX:

String original = "ÀÁÂÃÄÅÆÇÈÉÊËÌÍÎÏÐÑÒÓÔÕÖØÙÚÛÜÝßàáâãäåæçèéêëìíîïðñòóôõöøùúûüýÿ";
String cadenaNormalize = Normalizer.normalize(original, Normalizer.Form.NFD);   
String cadenaSinAcentos = cadenaNormalize.replaceAll("[^\\p{ASCII}]", "");
System.out.println("Resultado: " + cadenaSinAcentos);

Teniendo como resultado:

Resultado: AAAAAACEEEEIIIINOOOOOUUUUYaaaaaaceeeeiiiinooooouuuuyy

Existe una respuesta de @ErikRobertson en

2
  • 2
    Me parece que es prácticamente el mismo método que el que publicó el autor (sólo que no acepta utf-8 como sí lo haría \p{InCombiningDiacriticalMarks} o \p{M} como sugiere al final).
    – Mariano
    Commented el 1 nov. 2016 a las 21:49
  • Creo que deberías editarla @Elenasys. Con el comentario anterior, me refería a este comportamiento: rextester.com/KQGF27223 .. Me parece importante tratar de que cualquier código permita i18n (-1).
    – Mariano
    Commented el 2 nov. 2016 a las 7:21
2

te muestro una forma de limpiar tildes u otros caracteres especiales.

public static String limpiarAcentos(String cadena) {
    String limpio =null;
    if (cadena !=null) {
        String valor = cadena;
        valor = valor.toUpperCase();
        // Normalizar texto para eliminar acentos, dieresis, cedillas y tildes
        limpio = Normalizer.normalize(valor, Normalizer.Form.NFD);
        // Quitar caracteres no ASCII excepto la enie, interrogacion que abre, exclamacion que abre, grados, U con dieresis.
        limpio = limpio.replaceAll("[^\\p{ASCII}(N\u0303)(n\u0303)(\u00A1)(\u00BF)(\u00B0)(U\u0308)(u\u0308)]", "");
        // Regresar a la forma compuesta, para poder comparar la enie con la tabla de valores
        limpio = Normalizer.normalize(limpio, Normalizer.Form.NFC);
    }
    return limpio;
}

Pudes agregar los caracteres a limpiar.

-1

Esta función por ejemplo normaliza los tildes y ademas reemplaza todo lo que no sea a-z, A-Z o número por nada

public static String normalizeString(String str){
 str=Normalizer.normalize(str,Normalizer.Form.NFKD);
 return str.replaceAll("[^a-z,^A-Z,^0-9]", "");
}
1
  • Esto eliminaría otros caracteres como espacios, signos de puntuación, etc... Además, la expresión regular está mal.
    – Mariano
    Commented el 21 feb. 2018 a las 6:57
-1

La respuesta de Ventur funciona muy bien en Java, para los que usen kotlin, este seria el método adaptado.

fun clearAccents(sequence: String): String {
    var cleanedString: String?
    var valor: String = sequence
    valor = valor.toUpperCase()
    // Normalizar el texto para eliminar acentos, dieresis, cedillas(ç, ş, etc.) y tildes
    cleanedString = Normalizer.normalize(valor, Normalizer.Form.NFD)
    // Quitar caracteres no ASCII excepto la enie, interrogacion que abre, exclamacion que abre, grados, U con dieresis.
    cleanedString = cleanedString.replace("[^\\p{ASCII}(N\u0303)(n\u0303)(\u00A1)(\u00BF)(\u00B0)(U\u0308)(u\u0308)]".toRegex(), "")
    // Regresar a la forma compuesta, para poder comparar la enie con la tabla de valores
    cleanedString = Normalizer.normalize(cleanedString, Normalizer.Form.NFC)
    return cleanedString
}
1
  • 1
    puedes explicar lo que hace tu método?
    – Riaven
    Commented el 22 ene. 2020 a las 0:08

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.