XSLT中如何处理多字节Unicode字符转写以去除重音

你的核心需求是保留非西欧基础字母（如ɛ、ɔ）的同时，移除所有重音标记，之前的方法要么无法处理组合/多字节带重音字符，要么误删了需要保留的字母，以下是可行方案：

正确实现逻辑 #

使用normalize-unicode的NFKD模式将带重音字符分解为「基础字符+非间距重音标记」，再通过正则匹配删除所有重音标记（而非删除所有非基本拉丁字符）：

replace(normalize-unicode($testwords, 'NFKD'), '\p{Mn}+', '')

逻辑说明 #

1. normalize-unicode($testwords, 'NFKD')：采用兼容性分解，将带重音的单个字符（如ɔ́、ɛ̀）拆分为基础字母（ɔ、ɛ）加上独立的非间距重音标记（Unicode类别Mn）。
2. replace(..., '\p{Mn}+', '')：匹配所有连续的非间距重音标记并删除，仅保留基础字母，不会误删ɛ、ɔ这类非基本拉丁但需要保留的字符。

修改后的完整XSLT代码 #

<?xml version="1.0"?>
<xsl:stylesheet version="3.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform" xmlns:xs="http://www.w3.org/2001/XMLSchema">
  <xsl:output method="text" encoding="UTF-8"/>
  <xsl:variable name="RSEP" select="'&#10;'"/>  <!-- LF -->
  <xsl:template match="/">
    <xsl:variable name="testwords" select="'à wɔ́rɔ, yɛrɛ, wùri'"/>
    <xsl:value-of select="$testwords"/>
    <xsl:value-of select="$RSEP"/>
    <!-- 正确的去重音逻辑 -->
    <xsl:value-of select="replace(normalize-unicode($testwords, 'NFKD'), '\p{Mn}+', '')"/>
    <xsl:value-of select="$RSEP"/>
  </xsl:template>
</xsl:stylesheet>

输出结果 #

à wɔ́rɔ, yɛrɛ, wùri
a wɔrɔ, yɛrɛ, wuri

为什么之前的方法失效？ #

• translate：仅支持单个字符映射，无法处理组合型Unicode字符（或需手动枚举所有带重音变体，维护成本极高）。
• 默认normalize-unicode：默认使用NFC（规范合成）模式，若原字符已是合成后的单个字符，不会产生任何变化，必须指定NFKD模式才能分解重音。
• replace(..., '\P{IsBasicLatin}', '')：该正则会删除所有非西欧基本拉丁字符，导致ɛ、ɔ这类需要保留的字母被误删。

内容的提问来源于stack exchange，提问作者Boyd