Comment supprimer efficacement les signes diacritiques des chaînes UTF-8 dans Go ?

Suppression des signes diacritiques dans Go

Lorsque vous travaillez avec des chaînes codées en UTF8, il peut être nécessaire de supprimer les signes diacritiques, tels que les accents de "žůžo " pour obtenir "zuzo". Pour gérer efficacement de tels scénarios, des bibliothèques et des techniques standard sont disponibles dans Go.

Une approche consiste à exploiter la fonction unicode.Is() pour identifier les signes diacritiques (caractères classés comme « Mn » pour les marques sans espacement).

L'extrait de code suivant montre comment supprimer les signes diacritiques d'une chaîne donnée en utilisant Unicode/norm et golang.org/x/text/transform packages :

package main

import (
    "fmt"
    "unicode"

    "golang.org/x/text/transform"
    "golang.org/x/text/unicode/norm"
)

func isMn(r rune) bool {
    return unicode.Is(unicode.Mn, r) // Mn: nonspacing marks
}

func main() {
    t := transform.Chain(norm.NFD, transform.RemoveFunc(isMn), norm.NFC)
    result, _, _ := transform.String(t, "žůžo")
    fmt.Println(result)
}

Ce code supprime les signes diacritiques en appliquant une série de transformations :

1. Décomposition de forme normalisée (NFD) : décompose la chaîne en ses Caractères Unicode de base, y compris signes diacritiques.
2. RemoveFunc(isMn) : filtre les caractères qui ne sont pas des signes d'espacement (diacritiques).
3. Composition du formulaire de normalisation (NFC) : recompose la chaîne sans signes diacritiques.

En tant que Résultat, le résultat sera une chaîne dépourvue de signes diacritiques, comme dans l'exemple : "žůžo" => "zuzo".

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!