如何在Java中将扩展ASCII(>127)转换为标准ASCII(<128)？

完全可以实现，不用手动维护字符映射表，利用Java内置的Normalizer类结合正则表达式就能搞定核心需求：

实现思路 #

Unicode里多数带重音、变音符号的扩展字符（比如ê、ë、ò、ö），本质是基础ASCII字符+组合型标记字符的组合。通过Unicode规范分解，能把这类字符拆成基础字符和独立的标记，再过滤掉标记部分，就能得到对应的基础ASCII字符。

代码实现 #

import java.text.Normalizer;

public class AsciiConverter {
    public static String convertToBasicAscii(String input) {
        if (input == null) {
            return null;
        }
        // 将字符串转为Unicode规范分解形式（基础字符+独立标记）
        String normalizedStr = Normalizer.normalize(input, Normalizer.Form.NFD);
        // 移除所有组合型变音标记
        String withoutDiacritics = normalizedStr.replaceAll("\\p{InCombiningDiacriticalMarks}+", "");
        // 过滤掉ASCII范围外的剩余字符（处理无法分解的特殊字符）
        return withoutDiacritics.replaceAll("[^\\x00-\\x7F]", "");
    }

    // 测试示例
    public static void main(String[] args) {
        String testStr = "Cafê, Mötörhead, Ëlizabeth";
        System.out.println(convertToBasicAscii(testStr)); // 输出: Cafe, Motorhead, Elizabeth
    }
}

关键步骤说明 #

1. 规范分解：Normalizer.Form.NFD会把复合字符拆成基础字符和单独的变音标记，比如ê会被分解为e+重音标记。
2. 移除标记：正则\\p{InCombiningDiacriticalMarks}+匹配所有Unicode中的组合型变音标记，替换为空后就剩下基础ASCII字符。
3. 过滤剩余扩展字符：最后一步用[^\\x00-\\x7F]匹配所有ASCII范围（0-127）外的字符，确保输出完全符合下游系统要求。

注意事项 #

• 该方案能覆盖绝大多数拉丁系的扩展字符转换需求，无需手动维护映射表。
• 对于无法分解为基础字符+标记的特殊符号（比如某些非拉丁字符、特殊符号），会被直接过滤掉，避免下游系统报错。

内容的提问来源于stack exchange，提问作者Johan