ColdFusion中移除翻译文本重音符号的问题排查

核心原因 #

Google Translate返回的文本中，重音字符大概率是组合Unicode字符（比如ó是由基础字符o+单独的重音标记\u0301组成），而非单个预合成的重音字符（比如\u00F3）。你之前写的正则只匹配了预合成的重音字符，自然无法命中；CONTAINS匹配不到也是同样的原因。

解决方案 #

1. 先做Unicode归一化

使用ColdFusion的normalize()函数，将组合字符转换为预合成字符，这样原有的正则就能正常匹配了：

<cfset normalizedTrans = normalize(trans, "NFC")>

参数NFC表示把字符转换为标准合成形式，合并组合字符为单个预合成字符。

2. 优化重音替换代码

归一化后，你可以保留原有的替换逻辑，也可以合并正则提高效率：

<cfset trans_sms = REReplace(normalizedTrans, "[À-Åà-å]", "a", "all")>
<cfset trans_sms = REReplace(trans_sms, "[È-Ëè-ë]", "e", "all")>
<cfset trans_sms = REReplace(trans_sms, "[Ì-Ïì-ï]", "i", "all")>
<cfset trans_sms = REReplace(trans_sms, "[Ò-Øò-ø]", "o", "all")>
<cfset trans_sms = REReplace(trans_sms, "[Ù-Üù-ü]", "u", "all")>
<cfset trans_sms = REReplace(trans_sms, "[çÇ]", "c", "all")>
<cfset trans_sms = REReplace(trans_sms, "[ñÑ]", "n", "all")>

3. 更简洁的重音移除方法（CF10+支持）

如果你的ColdFusion版本在10及以上，可以直接用Unicode属性正则，一次性移除所有重音标记（不管是组合还是预合成字符）：

<cfset trans_sms = REReplace(trans, "\p{Mn}", "", "all")>

\p{Mn}匹配所有非间距标记（各类重音、声调符号），执行后直接保留基础字母。

4. 验证CONTAINS匹配

归一化后，CONTAINS就能正常识别带重音的词汇了：

<cfset normalizedTrans = normalize(trans, "NFC")>
<cfif normalizedTrans CONTAINS 'ignórela'>It was found within SMS</cfif>

内容的提问来源于stack exchange，提问作者Scott Dettling