從C中的UTF8字符串中刪除變音符號

Question

我在寫一個C程序來搜索數據庫中的大量UTF-8字符串。其中一些字符串包含教學法的英文字符，如重音符號等。搜索字符串由用戶輸入，因此它很可能不包含這些字符。有沒有一種方法（函數，庫等）可以從字符串中刪除這些字符，或者只是執行一個教學不敏感的搜索？例如，如果用戶輸入搜索字符串「motor」，它應該匹配字符串「moto ̈ rhead」。

我第一次嘗試是手工剝離出這裏所描述的結合教學修飾符：

http://en.wikipedia.org/wiki/Combining_character

這個工作在某些情況下，但事實證明，許多這些字符也有特定的Unicode值。例如，上面的字符「o ̈」可以用一個「o」表示，然後是組合教學U + 0308，但它也可以用單個Unicode字符U + 00F6表示，而我的方法只能過濾前者。

我也看過iconv，它可以從UTF8轉換爲ASCII。但是，我可能希望將來的日期本地化我的程序，這無疑會導致非英文字符的語言出現問題。有沒有一種方法可以簡單地去掉/轉換這些重音字符？

編輯：刪除問題標題中的錯字。

Answer 1

轉換爲one of the decomposed normalizations - 可能是NFD，但你可能想要NFKD - 這會使所有的變音符合併成可以被剝離的字符。

你會想要一個這樣的圖書館。我聽到有關ICU的好消息。

Answer 2

使用ICU，在PRIMARY（L1）（僅使用基本字母，只關心'o'並忽略'ö'）強度的「root」上創建collactor，然後您可以使用ICU的搜索功能進行匹配。有一個新的功能search collator，將提供專門爲這種情況設計的校正器，但「主要優勢」將處理這個特定情況。例如："motor == mötor" in the 'collated' section。