我该如何在XSL中去除字符的重音符号？

Question

我一直在寻找一个与“normalize-space”等效的XSL函数，用于处理字符。也就是说，我的内容包含重音UNICODE字符，这很好，但是从这些内容中，我正在创建一个文件名，而我不希望这些重音出现。

那么，我是否忽略了某些东西，或者没有正确地搜索到易于处理字符的方法？

在XML数据中：

<filename>gri_gonéwiththèw00mitc</filename>

在XSLT样式表中：

<xsl:variable name="file">
    <xsl:value-of select="filename"/>
</xsl:variable>

<xsl:value-of select="$file"/>

结果为“gri_gonéwiththèw00mitc”

其中

<xsl:value-of select='replace( normalize-unicode( "$file", "NFKD" ), "[^\\p{ASCII}]", "" )'/>

结果什么也没有。

我想要的是gri_gonewiththew00mitc（没有重音符号）。

我使用的语法有问题吗？

- LOlliffe

---

仅删除重音符号适用于Unicode字符的一小部分。据我所知，没有标准的拉丁化字符转录方式。（也就是说，每种语言都有不同的方式。） - biziclop

请检查我的答案是否使用了正确的正则表达式语法。 - user357812

Answer 1

在XSLT / XPath 1.0中，如果您想用非重音的字符替换那些带重音符号的字符，则可以使用translate()函数。

但是，这假定您的“带重音符号的UNICODE字符”不是组合的Unicode字符。 如果是这种情况，您需要使用XPath 2.0 normalize-unicode()函数。

而且，如果真正的目标是拥有有效的URI，则应使用encode-for-uri()。

更新：示例

translate('gri_gonéwiththèw00mitc','áàâäéèêëíìîïóòôöúùûü','aaaaeeeeiiiioooouuuu')

Result: gri_gonewiththew00mitc

encode-for-uri('gri_gonéwiththèw00mitc')

结果：gri_gon%C3%A9withth%C3%A8w00mitc

@biziclop 提供的正确表达建议：

replace(normalize-unicode('gri_gonéwiththèw00mitc','NFKD'),'\P{ASCII}','')

结果: gri_gonewiththew00mitc

注意: 在XPath 2.0中，正确的字符类否定应该使用大写的\P。

- user357812

---

translate() 假设您列出要替换的所有字符。我猜测 OP 想避免这种情况。虽然我认为一般情况下不可能实现。 - biziclop

@biziclop：我的答案只给出了一个encode-for-uri()函数的链接，这是有原因的。 - user357812

@Alejandro 经过再次考虑，如果你将字符串规范化为NFKD形式，然后丢弃每个非基本ASCII（0-127）字符（你可以使用正则表达式替换），那么你将得到一个无重音的字符串。 - biziclop

Answer 2

所以，与我的评论相反，您可以尝试这样做：

replace( normalize-unicode( "öt hűtőházból kértünk színhúst", "NFKD" ), "[^\\p{ASCII}]", "" )

需要注意的是，任何不能被分解且不属于基本ASCII字符集（例如挪威语中的ø或冰岛语中的Þ）都将从字符串中完全删除，但这可能符合您的要求。

- biziclop

---

好的例子。请检查我的更新，以获取正确的RegExp字符类否定语法。 - user357812

这个RegExp语法示例在哪里？我需要替换一组字符.... ɔ ɛ和一些我甚至无法输入的字符.... 如上所述，使用上面的replace(normalize-unicode())示例从字符串中删除这些组合字符。谢谢 - Boyd

Answer 3

之前提到的方法包含了一个名为“ASCII”的未知字符类。根据我的经验，XPath 2.0 可以识别“BasicLatin”这个类，它应该可以达到与“ASCII”相同的效果。

replace(normalize-unicode('Lliç d'Am Oükl Úkřeč', 'NFKD'), '\P{IsBasicLatin}', '')

- Yuri

Answer 4

最受欢迎的答案在XPath2.0中不再适用，正如Yuri所提到的。'IsBasicLatin'是ASCII的适当替代品。

下面的代码有效：

replace(normalize-unicode('çgri_gonéwiththèmitç','NFKD'),'\P{IsBasicLatin}','')

- hmedz