如何在XPath中实现类encode-for-uri()功能且保留IRI允许字符不编码？

好问题！确实，encode-for-uri()会一股脑把所有非ASCII字符也编码成百分号形式，这在需要保留可读国际化字符的IRI场景下挺不方便的。下面给你两种不同XPath版本的解决方案，都能实现你要的???('汉/语') => 汉%2F语效果：

方法一：XPath 3.1+（推荐，简洁高效） #

如果你的XPath处理器支持3.1版本（比如Saxon、BaseX这类主流工具），可以用带匿名函数的replace()来精准匹配需要编码的字符：

replace(
  $your-input-string,
  '([^A-Za-z0-9-._~])',
  function($matched-char) {
    concat('%', upper-case(string-to-hex($matched-char)))
  }
)

原理说明： #

• 正则[^A-Za-z0-9-._~]匹配所有不在URI非保留字符集里的字符（根据RFC 3986标准，这些字符是URI路径段里可以直接使用的安全ASCII字符）。
• 匿名函数会把匹配到的字符（比如/）转换成百分号编码：先转成十六进制，再转大写，最后拼上%。
• 中文这类非ASCII字符不在正则匹配范围内，会直接保留原样。

测试示例：输入'汉/语'，输出就是汉%2F语，完全符合你的需求。

方法二：XPath 2.0兼容方案 #

如果你的环境只能支持XPath 2.0（没有匿名函数特性），可以用遍历字符码点的方式实现：

string-join(
  for $codepoint in string-to-codepoints($your-input-string)
  return
    if ($codepoint >= 128) then codepoints-to-string($codepoint)
    else if ($codepoint = 47) then '%2F'
    else if (codepoints-to-string($codepoint) matches '[A-Za-z0-9-._~]') then codepoints-to-string($codepoint)
    else concat('%', upper-case(format-number($codepoint, '00'))),
  ''
)

原理说明： #

1. 把输入字符串拆成单个字符的Unicode码点。
2. 逐个判断：
   • 码点≥128的（非ASCII字符，比如中文）直接转回原字符。
   • 码点=47的（就是/）直接替换成%2F。
   • 属于安全ASCII字符集的直接保留。
   • 其他ASCII字符（比如空格、#等）转成两位十六进制的百分号编码。
3. 最后把所有处理后的字符拼接成完整字符串。

注意事项 #

• 这个方案是针对URI路径段设计的，如果是处理查询参数，编码规则会略有不同（比如空格需要转+或%20），可以根据需求调整正则或判断逻辑。
• 确保你的XPath处理器支持对应的版本：比如Saxon 9.8+支持3.1，而一些老工具可能只支持2.0。

内容的提问来源于stack exchange，提问作者cygri