如何使用正则表达式将变音符号替换为基础字母且无需归一化处理

核心思路为提前构建带重音字符到基础字符的映射表，通过正则一次性匹配所有重音字符直接查表替换，不需要对整个字符串做归一化处理，不同语言的实现参考如下：

• Java版本

import java.util.HashMap;
import java.util.Map;
import java.util.regex.Pattern;

public class DiacriticRemover {
    private static final Map<Character, Character> DIACRITIC_MAP = new HashMap<>();
    private static final Pattern DIACRITIC_PATTERN;

    static {
        // 可按需补充所有需要处理的重音字符映射
        DIACRITIC_MAP.put('Û', 'U');
        DIACRITIC_MAP.put('û', 'u');
        DIACRITIC_MAP.put('É', 'E');
        DIACRITIC_MAP.put('é', 'e');
        DIACRITIC_MAP.put('À', 'A');
        DIACRITIC_MAP.put('à', 'a');
        DIACRITIC_MAP.put('Ç', 'C');
        DIACRITIC_MAP.put('ç', 'c');

        // 构建正则匹配所有映射表中的字符
        StringBuilder patternBuilder = new StringBuilder();
        for (Character c : DIACRITIC_MAP.keySet()) {
            patternBuilder.append(c);
        }
        DIACRITIC_PATTERN = Pattern.compile("[" + patternBuilder + "]");
    }

    public static String removeDiacritics(String input) {
        return DIACRITIC_PATTERN.matcher(input)
                .replaceAll(matchResult -> String.valueOf(DIACRITIC_MAP.get(matchResult.group().charAt(0))));
    }
}

• Python版本

import re

# 预定义重音字符到基础字符的映射，可按需扩展
DIACRITIC_MAP = {
    'Û': 'U', 'û': 'u',
    'É': 'E', 'é': 'e',
    'À': 'A', 'à': 'a',
    'Ô': 'O', 'ô': 'o',
    'Ç': 'C', 'ç': 'c'
}

# 构建匹配所有重音字符的正则
diacritic_regex = re.compile(f"[{''.join(DIACRITIC_MAP.keys())}]")

def remove_diacritics(text: str) -> str:
    return diacritic_regex.sub(lambda match: DIACRITIC_MAP[match.group()], text)

该方案完全跳过归一化步骤，执行效率更高，你可以根据业务场景仅添加需要处理的重音字符，不需要覆盖全量Unicode重音范围。如果需要适配全量重音字符，只需要补充完整映射表即可，不需要修改核心替换逻辑。

内容的提问来源于stack exchange，提问作者Imene KOLLI