Suponha que eu tenha uma lista de palavras, em JavaScript (se necessário, já ordenada segundo as regras de collation):
var palavras = [
"acentuacao",
"divagacão",
"programaçao",
"taxação"
];
Repare que não usei o cedilha (ç
) nem o til (ã
) de forma consistente. Como posso buscar nessa lista por "programação", mas ignorando a acentuação, de modo que várias modalidades de buscas retornem resultados? Ex.:
buscar(palavras, "programacao");
buscar(palavras, "programação");
Fiz uma pergunta semalhante para a linguagem Python, e tentei aplicar a solução proposta (normalizar e remover combinantes) para JavaScript, mas esbarrei no problema da falta de suporte à normalização Unicodefalta de suporte à normalização Unicode. E ainda que eu consiga normalizá-las (usando um polyfill, por exemplo), ainda faltaria identificar e remover os caracteres combinantes.
Há algo já pronto nesse sentido, para que eu não precise "reinventar a roda"? Caso contrário, como fazer?
Atualização: Muitas boas respostas, cada uma com seus prós e contras, difícil de escolher uma. Decidi propor um teste levando em consideração 3 fatores:
Robustez (i.e. capacidade de buscar por palavras cujo acento está representado de mais de uma forma diferente)
'arvore', // Latin Small Letter A, r,v,o,r,e '\xe1rvore', // Latin Small Letter A with acute, r,v,o,r,e 'a\u0301rvore', // Latin Small Letter A, Combining Acute Accent, r,v,o,r,e
Flexibilidade (pode buscar ignorando capitalização? pode só casar o acento com outra letra acentuada?)
arvore árvore 'arvore' sim não '\xe1rvore' sim sim 'a\u0301rvore' sim sim
Performance (exige mexer na lista original? quanto tempo leva uma operação?)
Exemplo no jsFiddle. Vou adequar cada resposta a esse exemplo da melhor forma que puder e availá-la com base nisso. Assim poderemos ter uma resposta canônica.