XPath translate()函数对Unicode分解/合成字符的处理行为咨询

现象是否符合预期？ #

完全符合预期。

相关规范说明 #

XPath（XSLT基于XPath规范）的字符串处理函数（包括translate()）默认基于Unicode码点进行精确匹配，不会自动对字符串进行Unicode规范化（比如将分解形式的é转换为合成形式，或反之）。

具体到你的场景：

• 合成形式的é是单个Unicode码点U+00E9，而分解形式的é是两个码点的组合：U+0065（小写字母e） + U+0301（组合重音符号），二者在Unicode中属于不同的字符序列。
• translate()函数的匹配逻辑是逐个对比码点：
  1. 第一次调用时，$from参数包含分解形式的é（两个码点）加上abc，输入字符串中的a会匹配到$from中的a码点，由于$to参数长度短于$from，导致该字符被删除，最终输出bc；
  2. 第二次调用时，$from参数中的é是单个码点U+00E9，输入字符串的a、b、c都无法匹配到该码点，因此全部保留，输出abc。

如果需要让两种形式的é得到一致的处理结果，可以显式使用normalize-unicode()函数将字符串统一为相同的规范化形式（比如NFC或NFD），示例如下：

translate('abc', normalize-unicode('éabc'), 'eabc')

内容的提问来源于stack exchange，提问作者wasmachien