Java metoda pro normalizaci českých stringů v Javě

Jeden z požadavků v aplikaci trénujpaměť.cz je, aby při vyhodnocování odpovědí nebyla brána v úvahu velká a malá písmena a diakritika. Takže pokud je správná odpověď například kočárek, systém by měl uznat kocarek, kočárek i Kočárek.

Vytvořil jsem proto následující metodu, která provádí normalizaci stringů - upraví je tak, že:

• odstraní whitespacy na začátku a konci stringu (trim)
• odstraní diakritiku
• převede celý řetězec na malá písmena
• odstraní zero-width no-break space znak (U+FEFF)

Jak funguje je nejlépe vidět v unit testu:

A samotná implementace vypadá takto:

Použití je jednoduché - oba porovnávané řetězce (v případě trénujpaměť.cz správnou a zadanou odpověď) napřed normalizovat a až pak porovnat:-)