替换 unicode 格式的特殊字符

Question

我需要用其他字符替换字符串中的特殊字符。例如，“ä”可以用“a”或“ae”替换，“à”也可以用“a”替换。通常使用 PHP 很容易做到这一点，并且 stackoverflow 上有很多函数，它们已经完全做到了。

不幸的是，我的字符串如下所示：“u\u0308 a\u0302 a\u0308 o\u0300.zip”（ü â ä ò.zip）。您可能会看到我的字符串是文件名，而 OSX 似乎将字符转换为 unicode（至少我是这么认为的）。

我知道我可以在 PHP 中使用一个包含所有特殊字符的非常长的数组来替换它们：

$str = "u\u0308 a\u0302 a\u0308 o\u0300.zip";

$ch = array("u\u0308", "a\u0302", "a\u0308", "o\u0300");
$chReplace = = array("u", "a", "a", "o");

str_replace($ch, $chReplace, $str);

但我想知道是否有更简单的方法，所以我不必为每个角色手动执行此操作？

Answer 1

您可以通过将其分为多个步骤来解决此问题：

• 将 Unicode 代码点转换为实际实体。这可以使用preg_replace() 轻松实现。有关正则表达式如何工作的说明，请参阅my answer here。

• 现在您将拥有一组字符，例如ü。这些是 HTML 实体。要将它们转换为相应的字符形式，请使用html_entity_decode()。

• 您现在将拥有一个 UTF-8 字符串。您需要将其转换为 ISO-8859-1（官方 ISO 8 位 Latin-1）。 //TRANSLIT 部分用于启用转换。如果启用此功能，当目标字符集中无法表示字符时，它将尝试近似结果。

代码：

// Set the locale to something that's UTF-8 capable
setlocale(LC_ALL, 'en_US.UTF-8');

$str = "u\u0308 a\u0302 a\u0308 o\u0300";

// Convert the codepoints to entities
$str = preg_replace("/\\\\u([0-9a-fA-F]{4})/", "&#x\\1;", $str);

// Convert the entities to a UTF-8 string
$str = html_entity_decode($str, ENT_QUOTES, 'UTF-8');

// Convert the UTF-8 string to an ISO-8859-1 string
echo iconv("UTF-8", "ISO-8859-1//TRANSLIT", $str);

输出：

u a a o

Demo