过滤多种语言的非字母字符答案

【问题标题】：Filter non-Alpha characters for multiple languages过滤多种语言的非字母字符
【发布时间】：2013-08-09 09:04:10
【问题描述】：

我想写一个正则表达式来删除所有非字母字符，如下：

björn -> björn
Barry's -> barrys
Who? -> who
Cibé? -> cibé
I'd -> id
ice-cream -> icecream
No!!! -> no
[{brackets}] -> brackets
~inv3rse -> invrse

并将所有字符转换为其小写版本。如何为所有语言或至少使用拉丁文字的欧洲语言执行此操作？

【问题讨论】：

【解决方案1】：

str.toLowerCase().replace(/[^a-z]/gi,'');

这会将所有内容转换为小写，然后将所有不是字母字符 (a-z) 的内容替换为空字符串，实质上是删除它们。为了保留某些其他字符（例如带有重音符号的 e），只需将该符号添加到正则表达式。

【讨论】：

但这会转换为“Cibé”？改为“cib”而不是“cibé”。
@Baz 编辑正则表达式以包含您想要的任何其他字符的 unicode。
@gr3co 但是这些符号太多了。仅冰岛语、丹麦语、挪威语、爱尔兰语和苏格兰语包含：ýþæöøåäáéíóúàèìòù
手动枚举所有重音字符很麻烦，容易出错，并且每次 Unicode 标准添加新的重音字符时都需要修改。它也不包括组合字符。（例如，将 ACUTE ACCENT ABOVE + 大写拉丁 E）。它会丢弃组合字符，但保留 E。另一方面，如果它与非字母组合，则需要删除它。
我不确定\w 是否涵盖这些外来字符，但您可以尝试一下并告诉我它是否有效：str.toLowerCase().replace(/[^\w]/gi, '')。基本上，\w 涵盖了所有“单词字符”（数字、数字）。