Question

我正在尝试为Google表格编写一个公式，它会将带有变音符号的Unicode字符转换为纯ASCII等效字符。

我在其“REGEXREPLACE”函数中看到Google uses RE2。我看到RE2 offers Unicode character classes。

我试着写一个公式（类似于this one）：

REGEXREPLACE("público","(\pL)\pM*","$1")

但Sheets会产生以下错误：

函数REGEXREPLACE参数2值“\ pL”不是有效的正则表达式。

我想我可以编写一个由一组很长的嵌套SUBSTITUTE函数（Like this one）组成的公式，但这看起来非常糟糕。

是否可以提供更好的方法来建议使用Google表格公式中的带有变音/重音标记的Unicode字母标准化？

Answer 1

[[:^alpha:]]（否定的ASCII字符类）适用于REGEXEXTRACT公式。

但是=REGEXREPLACE("público","([[:alpha:]])[[:^alpha:]]","$1")给出了“pblic”。所以，我猜，公式不知道确切的ASCII字符必须替换“ú”。

解决方法

我们来看públicē;我们需要替换它中的两个符号。将此单词放在单元格A1中，并将此公式放在单元格B1中：

=JOIN("",ArrayFormula(IFERROR(VLOOKUP(SPLIT(REGEXREPLACE(A1,"(.)","$1-"),"-"),D:E,2,0),SPLIT(REGEXREPLACE(A1,"(.)","$1-"),"-"))))

然后在范围D：E：
中创建替换目录
D E 1 ú u 2 ē e 3 ... ...

此公式仍然很难看，但更有用，因为您可以通过向表中添加更多字符来控制目录。

或使用Java脚本

另外found a good solution，适用于Google表格。

Answer 2

这是在Google表格，Google Apps脚本，GAS中为我完成的

function normalizetext(text) {
    var weird = 'öüóőúéáàűíÖÜÓŐÚÉÁÀŰÍçÇ!@£$%^&*()_+?/*."';
    var normalized = 'ouooueaauiOUOOUEAAUIcC                 ';
    var idoff = -1,new_text = '';
    var lentext = text.toString().length -1

    for (i = 0; i <= lentext; i++) {
        idoff = weird.search(text.charAt(i));
        if (idoff == -1) {
            new_text = new_text + text.charAt(i);
        } else {
           new_text = new_text + normalized.charAt(idoff);
        }
    }

    return new_text;
}

Answer 3

此答案不需要Google App脚本，它仍然快速且相对简单。通过提供完整的查找表，它基于Max's答案，并且还允许区分大小写的音译（通常VLOOKUP不区分大小写）。

如果您想直接跳到Google Spreadsheet，请点击这里。如果要使用自己的工作表，则需要将TRANS_TABLE工作表复制到电子表格中。

在下面的代码段中，源单元格为A2，因此您可以将该公式放在第2行的任何列中。使用REGEXREPLACE和SPLIT，我们将将A2中的字符串转换为字符数组，然后使用ARRAYFORMULA，对数组中的每个字符执行以下操作：首先，将字符转换为其'decimal'{{3 }}等价，然后按该数字与TRANS_TABLE工作表中的表进行匹配，然后使用CODE，即TRANS_TABLE工作表上字符X的列数（提供的索引值）（在这种情况下），则返回第3列）。数组中的所有字符均已音译后，我们最终将VLOOKUP个字符数组放回到单个字符串中。 我也提供了JOIN的示例。

=iferror(
join(
  "",
  ARRAYFORMULA(
    vlookup(
      code(split(REGEXREPLACE($A2,"(.)", "$1;"),";",TRUE)),
      TRANS_TABLE!$A$5:$F,3
    )
  )
)
,)

您会在我制作的TRANS_TABLE工作表上注意到，我创建了4个不同的音译列，这使为您的每个音译需求轻松创建一列成为可能。要引用该列，只需在VLOOKUP中使用其他索引号。每列只是一个替换字符列。在某些情况下，您不希望进行任何转换（A-> A或3-> 3），因此只需从源字形列复制相同的字符。您要转换字符的地方，键入要替换的任何字符（ñ-> n等）。如果要完全删除一个字符，则将单元格留空（？->''）。您可以在数据表上看到音译输出的示例，在该数据表中，针对不同的用例场景，我引用了TRANS_TABLE表中的每个音译表，创建了4个不同的音译列（A-D）。

我希望这最终会以一种不太“丑陋”的方式回答您的问题。干杯。

如何在Google表格中规范化/归化Unicode字符？

3 个答案: