ストリップ文字列だがウムラウトを許可する

Question

#!/usr/bin/perl -T 
use strict; 
use warnings; 
use utf8; 
my $s = shift || die; 
$s =~ s/[^A-Za-z ]//g; 
print "$s\n"; 
exit; 

> ./poc.pl "El Guapö" 
El Guap 

このPerlコードを変更して、さまざまなウムラウトや文字アクセントを取り除く方法はありますか？ありがとう！直接の質問については

Answer 1

、あなたは単に、すべての入力と出力のエンコード、しかし、もっと重要なデコードを\p{L}（レター）Unicode Character Property

が必要な場合があります。   script.pl 123 El Guapö=_

 
Input:  123 El Guapö=_ 
Processed: El Guapö 

として実行すると、具体的な説明が欠けているように私は、 "ブランケット" \p{L}プロパティ（レター）を使用しました

use warnings; 
use strict; 
use feature 'say'; 

use utf8; # allow non-ascii (UTF-8) characters in the source 

use open ':std', ':encoding(UTF-8)'; # for standard streams 

use Encode qw(decode_utf8);   # @ARGV escapes the above 

my $string = 'El Guapö'; 
if (@ARGV) { 
    $string = join ' ', map { decode_utf8($_) } @ARGV; 
} 
say "Input:  $string"; 

$string =~ s/[^\p{L} ]//g; 

say "Processed: $string"; 

。必要に応じて調整してください。 Unicodeのプロパティは多くのものを提供しています。上のリンクと完全リストはperlunipropsです。

123 Elの間のスペースが残っています。最後にはストリップの先頭（および末尾）のスペースが残っています。

また、\P{L}もあります。大文字のPは否定を示します。

---

マークが同様に削除されるように、上記の単純な志向\pLは、Combining Diacritical Marksでは動作しません。これを指摘してくれたjm666に感謝します。

アクセント付きの「論理」文字（単一の文字として表示されるもの）が、そのベース文字と非スペースマーク（アクセント記号）のために別々の文字を使用して書き込まれるときに発生します。多くの場合、コードポイントを持つ1文字（extended grapheme cluster）も存在します。

例：niñoにñはU+OOF1ですが、それはまた"n\x{303}"のように記述することができます。このように書かれたアクセントが文字クラスに\p{Mn}（\p{NonspacingMark}）を追加

my $string = "El Guapö=_ ni\N{U+00F1}o.* nin\x{303}o+^"; 
say $string; 

(my $nodiac = $string) =~ s/[^\pL ]//g;  #/ naive, accent chars get removed 
say $nodiac; 

(my $full = $string) =~ s/[^\pL\p{Mn} ]//g; # add non-spacing mark 
say $full; 

出力

 
El Guapö=_ niño.* niño+^ 
El Guapö niño nino 
El Guapö niño niño 

保つために

だから、組み合わせアクセントを保つためにs/[^\p{L}\p{Mn} ]//gをしたいです。