正则处理数据时如何完全删除带重音字符而非仅移除重音符号

常规的去重音逻辑都是剥离重音标记保留基础字母，和「直接删除整个带重音字符」的需求逻辑不一样，而你遇到的[[:alnum:]]、[A-Za-z]匹配失效问题，本质是现在大部分正则引擎、运行环境默认支持Unicode字符集，预设的字母类会把带重音的拉丁扩展字符识别为合法字母，自然过滤不掉。

通用正则方案（跨语言/工具通用） #

最稳妥没有兼容问题的方式是不要用任何预设的字母/字母数字字符类，直接显式指定要保留的ASCII字符范围，把所有范围外的字符全部替换为空即可：

• 如果需要保留半角空格、半角标点、基础英文字母、数字，用匹配规则[^ -~]全局替换为空

  规则说明：ASCII编码中32（半角空格）到126（半角波浪号~）覆盖了所有标准半角可打印字符，所有超出这个范围的字符（包括所有带重音的变音字符、非英文语种字符）都会被匹配删除，不会有漏网的重音字符。

• 如果只需要保留纯英文字母和数字，不需要任何标点、空格，直接用[^A-Za-z0-9]做全局匹配替换即可，这个规则是严格匹配ASCII码范围内的大小写字母和数字，不会把Unicode重音字母纳入匹配范围。

举个Python的实现示例：

import re
raw_content = "Café naïve résumé àèìòù 中文测试"
clean_content = re.sub(r"[^ -~]", "", raw_content)
# 输出结果：Caf nave rsum
print(clean_content)

不同场景的注意事项 #

• 用JavaScript、Java、Python 3这类默认开启Unicode匹配模式的正则引擎时，不要用\w、[[:alnum:]]这类预设字符类，这类规则默认会把Unicode分类下的所有字母（包括所有带重音的变音字母）判定为匹配项，完全达不到过滤效果。
• 在MySQL、PostgreSQL等数据库场景下使用时，如果配置了带重音等价匹配的排序规则（比如utf8mb4_general_ci），普通的[a-zA-Z]匹配会把重音字符和对应的基础英文字母判定为等价，这时候要么用上面提到的ASCII范围匹配规则，要么显式指定按二进制字节匹配，比如MySQL中可以写REGEXP BINARY '[^A-Za-z0-9]'强制按字节校验，避免重音字符被误判为普通英文字母。

避坑提示 #

不要用Unicode归一化类的去重音方案（比如NFKD归一化），这类方案的逻辑是先把带重音的字符拆成基础字母+单独的重音组合标记，最后会保留剥离重音后的基础字母，和删除整个带重音字符的需求完全相反。

内容的提问来源于stack exchange，提问作者KD97