Eliminar acentos de un QString

Question

Quiero eliminar los acentos y, en general, las marcas diacríticas de una cadena para iniciar una búsqueda insensible al acento. Sobre la base de un poco de lectura en las clases de caracteres Unicode, se me ha ocurrido con esto:

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; 
} 

Parece que funciona razonablemente bien para idiomas latinos, pero me pregunto acerca de su idoneidad en otros alfabetos: árabe , cirílico, CJK ... que no puedo probar debido a la falta de comprensión cultural de estos.

Específicamente Me hubiera gustado saber:

1. ¿Qué forma de normalización Unicode es más adecuado para este problema: NormalizationForm_KD o NormalizationForm_D?
2. ¿Es suficiente eliminar los caracteres que pertenecen a las categorías Mark_NonSpacing y Mark_SpacingCombining o debe incluir más categorías?
3. ¿Existen otras mejoras en el código anterior que lo hagan funcionar lo mejor posible para todos los idiomas?

Answer 1

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