Android中带变音符号的阿拉伯语单词高亮异常问题

问题核心：阿拉伯语文本中的变音符号（如َ、ّ、ُ）会占用额外字符位，导致移除变音后的归一化字符串与原字符串的索引无法一一对应。直接用归一化字符串的搜索索引去原字符串中高亮，会出现位置偏移。

解决方案思路 #

通过建立归一化字符串索引与原字符串索引的映射关系，将归一化后的搜索位置转换为原字符串中的正确位置，再执行高亮操作。

具体实现步骤 #

1. 生成索引映射表
   遍历原字符串，记录每个归一化后字符对应的原字符串起始索引。遇到变音符号时跳过，不增加归一化索引计数。

2. 转换搜索索引
   用归一化字符串找到目标词的起始/结束索引后，通过映射表转换为原字符串中的真实起始/结束位置。

代码实现 #

首先实现生成索引映射的工具方法：

/**
 * 生成原字符串到归一化字符串的索引映射表
 * @param original 带变音符号的原字符串
 * @return 数组，下标为归一化字符串的索引，值为原字符串对应的起始位置
 */
private int[] buildIndexMap(String original) {
    List<Integer> indexMap = new ArrayList<>();
    for (int i = 0; i < original.length(); i++) {
        char c = original.charAt(i);
        // 判断是否为阿拉伯语变音符号（Unicode范围：0x064B-0x0652）
        if (!(c >= 0x064B && c <= 0x0652)) {
            indexMap.add(i);
        }
    }
    // 转换为数组
    int[] mapArray = new int[indexMap.size()];
    for (int i = 0; i < indexMap.size(); i++) {
        mapArray[i] = indexMap.get(i);
    }
    return mapArray;
}

然后修改原高亮代码：

// 1. 归一化处理
String normalizedSearchText = removeDiacritics(searchText.toLowerCase().trim());
String normalizedContent = removeDiacritics(content.toLowerCase().trim());

int startNormalized = normalizedContent.indexOf(normalizedSearchText);
if (startNormalized != -1) {
    // 2. 生成原字符串与归一化字符串的索引映射
    int[] indexMap = buildIndexMap(content);
    int endNormalized = startNormalized + normalizedSearchText.length();
    
    // 3. 转换为原字符串的真实索引
    int startOriginal = indexMap[startNormalized];
    int endOriginal;
    if (endNormalized < indexMap.length) {
        endOriginal = indexMap[endNormalized];
    } else {
        // 处理目标词在文本末尾的情况
        endOriginal = content.length();
    }
    
    // 4. 执行高亮
    Spannable spannable = new SpannableString(content);
    BackgroundColorSpan backgroundColorSpan = new BackgroundColorSpan(Color.YELLOW);
    spannable.setSpan(backgroundColorSpan, startOriginal, endOriginal, Spannable.SPAN_EXCLUSIVE_EXCLUSIVE);
    
    binding.tvContent.setText(spannable);
}

补充说明 #

• 变音符号的Unicode范围是U+064B到U+0652，判断逻辑可覆盖绝大多数阿拉伯语变音场景。
• 若removeDiacritics函数处理逻辑特殊，需同步调整buildIndexMap中的字符判断条件，确保两者对“需移除的变音符号”定义一致。

内容的提问来源于stack exchange，提问作者MRS