Entfernen von Akzenten aus einem QString

Question

Ich möchte Akzente und allgemein diakritische Zeichen aus einer Zeichenfolge entfernen, um eine akzentunabhängige Suche zu initiieren. Basierend auf etwas zu lesen auf Unicode-Zeichenklassen, ich habe mit diesem kommen:

QString unaccent(const QString s) 
{ 
    QString s2 = s.normalized(QString::NormalizationForm_D); 
    QString out; 
    for (int i=0,j=s2.length(); i<j; i++) 
    { 
    // strip diacritic marks 
    if (s2.at(i).category()!=QChar::Mark_NonSpacing && 
     s2.at(i).category()!=QChar::Mark_SpacingCombining) 
    { 
      out.append(s2.at(i)); 
    } 
    } 
    return out; 
} 

Es scheint für latin-basierten Sprachen recht gut zu funktionieren, aber ich frage mich, um seine Eignung auf anderen Alphabeten: arabisch , kyrillisch, CJK ... was ich aufgrund mangelnder kultureller Kenntnisse nicht testen kann.

Insbesondere möchte ich ich weiß, würde:

1. Was Unicode-Normalisierungsform besser für dieses Problem geeignet ist: NormalizationForm_KD oder NormalizationForm_D?
2. Reicht es aus, die zu den Kategorien Mark_NonSpacing und Mark_SpacingCombining gehörenden Zeichen zu entfernen, oder sollte es weitere Kategorien enthalten?
3. Gibt es weitere Verbesserungen des obigen Codes, die es für alle Sprachen so gut wie möglich machen würden?

Answer 1

QString unaccent(const QString s) 
{ 
    QString output(s.normalized(QString::NormalizationForm_D)); 
    return output.replace(QRegExp("[^a-zA-Z\\s]"), ""); 
}