如何在XSLT 2.0转换XML到CSV时批量处理拉丁字符转UTF-8？

嘿，我来帮你理清这个问题——首先得纠正个小误解：UTF-8本身完全支持é、ä这些拉丁字符，你其实是想把它们转换成ASCII兼容的等价形式（比如é变e、ä变ae）对吧？下面给你几个实用的批量处理思路，都是基于XSLT 2.0的：

思路1：用Unicode归一化快速处理大部分变音符号 #

XSLT 2.0自带的normalize-unicode()函数是个神器，它能把带变音的字符拆成「基础字符+单独的变音符号」（比如é会变成e加上一个重音符号）。之后我们只需要过滤掉那些非ASCII的变音符号，就能得到干净的基础字符：

<xsl:function name="my:strip-diacritics" as="xs:string">
    <xsl:param name="input" as="xs:string"/>
    <!-- 先把字符分解成基础字符+变音符号的形式（NFD归一化） -->
    <xsl:variable name="normalized" select="normalize-unicode($input, 'NFD')"/>
    <!-- 移除所有非ASCII的非字母数字字符（变音符号全在这个范围里） -->
    <xsl:value-of select="replace($normalized, '[^\p{ASCII}\p{Letter}\p{Number}]', '')"/>
</xsl:function>

这个方法能一键处理绝大多数简单变音字符，比如é→e、à→a、ô→o等，但它搞不定像ß→ss、ä→ae这种德语系的特殊字符——因为这些字符的ASCII等价不是去掉变音符号，而是特定的字母组合，得单独处理。

思路2：特殊字符映射+归一化，兼顾批量与特殊场景 #

针对思路1搞不定的特殊字符，我们可以先做一轮自定义映射，再用归一化处理剩下的变音字符，这样既批量又精准：

1. 先写个处理特殊字符的函数，把那些特殊映射都列进去（可以按需扩展）：

<xsl:function name="my:convert-special-chars" as="xs:string">
    <xsl:param name="input" as="xs:string"/>
    <!-- 先替换德语等语言的特殊字符 -->
    <xsl:variable name="step1" select="replace($input, 'ß', 'ss')"/>
    <xsl:variable name="step2" select="replace($step1, 'ä', 'ae')"/>
    <xsl:variable name="step3" select="replace($step2, 'ö', 'oe')"/>
    <xsl:variable name="step4" select="replace($step3, 'ü', 'ue')"/>
    <xsl:variable name="step5" select="replace($step4, 'å', 'aa')"/>
    <xsl:variable name="step6" select="replace($step5, 'æ', 'ae')"/>
    <!-- 再调用上面的函数处理剩下的普通变音字符 -->
    <xsl:value-of select="my:strip-diacritics($step6)"/>
</xsl:function>

2. 转换CSV的时候，所有需要处理的文本节点都调用这个函数就行：

<xsl:template match="text()">
    <xsl:value-of select="my:convert-special-chars(.)"/>
</xsl:template>

思路3：用character-map集中管理所有映射规则 #

如果你还是偏爱用character-map，完全可以把所有需要映射的字符都集中定义进去，比一个个写replace清爽多了，而且输出时自动生效：

<xsl:character-map name="latin-to-ascii">
    <!-- 普通变音字符 -->
    <xsl:output-character character="é" string="e"/>
    <xsl:output-character character="è" string="e"/>
    <xsl:output-character character="à" string="a"/>
    <!-- 德语等特殊字符 -->
    <xsl:output-character character="ä" string="ae"/>
    <xsl:output-character character="ö" string="oe"/>
    <xsl:output-character character="ü" string="ue"/>
    <xsl:output-character character="ß" string="ss"/>
    <xsl:output-character character="å" string="aa"/>
    <!-- 继续添加其他需要的映射就行 -->
</xsl:character-map>

<!-- 输出CSV时指定用这个字符映射，同时设置UTF-8编码 -->
<xsl:output method="text" encoding="UTF-8" use-character-maps="latin-to-ascii"/>

这种方式的好处是所有规则都放在一处，后期维护起来特别方便，不用在函数里找来找去。

几个关键提醒 #

• 确保你的XSLT处理器（比如Saxon）支持XSLT 2.0及以上，normalize-unicode()的NFD模式和完整的character-map功能都是2.0才有的。
• 如果要处理多语言的字符，先查清楚目标语言的转换规则（比如法语ç→c、西班牙语ñ→n），补充到映射里就行。
• 关于UTF-8：输出时设置encoding="UTF-8"就能保证最终CSV是UTF-8编码，我们做的转换只是让字符兼容ASCII，方便在不支持复杂字符的系统里读取而已。

内容的提问来源于stack exchange，提问作者Abhi