[C#] Chuyển tiếng Việt có dấu sang không dấu

Hiện tại, vì công việc quá bận rộn nên mình không còn thời gian để post bài và duy trì nội dung cho blog nữa. Do đó tại thời điểm này, mình quyết định ngừng phát triển blog. Mọi bài viết sẽ vẫn được lưu trữ và mình sẽ cố gắng hỗ trợ tất cả các bạn khi có comment hỏi. Cảm ơn các bạn đã ủng hộ blog suốt thời gian qua !

Trong nhiều ứng dụng, chúng ta cần chuyển tiếng Việt có dấu sang kiểu không dấu. Ví dụ như khi bạn tải một file đặt tên bằng tiếng Việt có dấu. Khi tải bằng trình duyệt Firefox thì tên file có thể bị thay đổi hoặc bị cắt mất phần có dấu hoặc bị chuyển sang dạng ký tự khác. Bài viết này sẽ giúp bạn thực hiện việc chuyển dổi tiếng Việt có dấu sang không dấu một cách dễ dàng với ngôn ngữ C# đi kèm một ứng dụng demo cụ thể.

1. Sơ lược về bảng chữ cái tiếng Việt

-  Trước khi bắt đầu lập trình, để có ý tưởng cho chương trình của mình, chúng ta thường tìm hiểu kỹ vấn đề đó trước khi bắt đầu viết code. Trong trường hợp này cũng vậy, chúng ta cần tìm hiểu sơ lược về bảng chữ cái tiếng Việt trước khi muốn chuyển chúng sang không dấu.

-   Khi nhìn vào bảng chữ cái tiếng Việt. Ta hình dung được cách bỏ dấu là thay thế một ký tự có dấu thành một ký tự không dấu. Ví dụ: thay â, ă, á, à thành a… Ta bắt đầu viết code cho ý tưởng đầu tiên này.

2. Cách thứ nhất để bỏ dấu tiết Việt.

-   Dưới đây là hàm cài đặt cách thứ chuyển đổi một ký tự có dấu thành một ký tự không dấu tương ứng.
-   Nhớ khai báo sử dụng thư viện:

using System.Text.RegularExpressions;

public unsafe static string converToUnsign1(string s)
{
    string[] pattern = {"(á|à|ả|ã|ạ|ă|ắ|ằ|ẳ|ẵ|ặ|â|ấ|ầ|ẩ|ẫ|ậ)",
                   "đ",
                   "(é|è|ẻ|ẽ|ẹ|ê|ế|ề|ể|ễ|ệ)",
                   "(í|ì|ỉ|ĩ|ị)",
                   "(ó|ò|ỏ|õ|ọ|ô|ố|ồ|ổ|ỗ|ộ|ơ|ớ|ờ|ở|ỡ|ợ)",
                   "(ú|ù|ủ|ũ|ụ|ư|ứ|ừ|ử|ữ|ự)",
                   "(ý|ỳ|ỷ|ỹ|ỵ)"};
    char[] replaceChar = { 'a', 'd', 'e', 'i', 'o', 'u','y',
    'A', 'D', 'E', 'I', 'O', 'U', 'Y'};

    fixed (char* ptrChar = replaceChar)
    {
        for (int i = 0; i < pattern.Length; i++)
        {
            MatchCollection matchs = Regex.Matches(s, pattern[i], RegexOptions.IgnoreCase);
            foreach (Match m in matchs)
            {
                char ch = char.IsLower(m.Value[0]) ? *(ptrChar + i) : *(ptrChar + i + 7);
                s = s.Replace(m.Value[0], ch);
            }
        }
    }
    return s;
}

Để chạy được đoạn code trên. Bạn phải biên dịch mã với mã không an toàn (unsafe code). Cách thực hiện như sau: Bạn click chuột phải vào project chọn Properties. Trong mục Build chọn: Allow unsafe code.



-   Tới giai đoạn này bạn cảm thấy đoạn code trên tỏ ra khá dài dòng. Trong khi C# lại hỗ trợ chúng ta rất đắc lực. Lúc này là lúc bạn cải tiến nó.

3. Cách thứ hai

-   Cách này tỏ ra tối ưu hơn cách thứ nhất rất nhiều. Bạn không cần phải tìm hiểu quá nhiều về bảng chữ cái tiếng Việt.

-   Hàm mô tả cách thứ hai như sau:

// Way 2
public string convertToUnSign2(string s)
{
    string stFormD = s.Normalize(NormalizationForm.FormD);
    StringBuilder sb = new StringBuilder();
    for (int ich = 0; ich < stFormD.Length; ich++)
    {
        System.Globalization.UnicodeCategory uc = System.Globalization.CharUnicodeInfo.GetUnicodeCategory(stFormD[ich]);
        if (uc != System.Globalization.UnicodeCategory.NonSpacingMark)
        {
            sb.Append(stFormD[ich]);
        }
    }
    sb = sb.Replace('Đ', 'D');
    sb = sb.Replace('đ', 'd');
    return (sb.ToString().Normalize(NormalizationForm.FormD));
}

4. Cách thứ ba

-  Cách này tương tự cách thứ 2. Nhưng cách viết ngắn gọn hơn. Chúng ta có thể sử dụng cách này.

// Way 3
public static string convertToUnSign3(string s)
{
    Regex regex = new Regex("\\p{IsCombiningDiacriticalMarks}+");
    string temp = s.Normalize(NormalizationForm.FormD);
    return regex.Replace(temp, String.Empty).Replace('\u0111', 'd').Replace('\u0110', 'D');
}  

5. Chương trình Demo chuyển tiếng Việt có dấu sang không dấu với C#

-  Chương trình demo được viết trên Visual Studio 2010 (C#). Có giao diện như sau:



-  Chương trình có demo cả 3 cách đã trình bày ở trên. Do chương trình xử lý sự kiện textchanged của textbox nên chỉ cần bạn thay đổi nội dung của ô textbox trên thì textbox dưới sẽ tự động chuyển đổi.

-   Click vào đây để download source code chương trình demo chuyển đổi tiếng Việt có dấu sang không dấu viết trên C#.

Theo thanhcuong.wordpress.com