如何将Unicode字符转换为ISO-8859-15/Latin9兼容字符？

我有一个包含转义Unicode字符的UTF-8格式JSON，示例如下：

{
    "description": "This is an ellipsis: \u2026"
}

该JSON通过Jackson解析后，需要将字符串转换为适配ISO-8859-15/Latin9平台的字节：

final byte[] d = description.getBytes(Charset.forName("ISO-8859-15"));

但省略号（…）这类字符不在ISO-8859-15/Latin9字符集中。我需要将不支持的Unicode字符转换为该字符集支持的合理字符或组合，例如：

• \u2026（省略号…）→ ...
• \u2013（短破折号–）→ -
• \u2018（左单引号‘）→ '
• \u2019（右单引号’）→ '
• \u201c（左双引号“）→ "
• \u201d（右双引号”）→ "
• \u2022（项目符号•）→ .

理想情况无需自行枚举所有输入输出映射，请问是否有JDK类或第三方库可实现此转换？

1. ICU4J（推荐） #

ICU4J的Transliterator类内置了成熟的Unicode字符转换规则，能自动将特殊Unicode字符映射为ISO-8859-15兼容的普通字符，无需手动维护庞大的替换表。

步骤： #

1. 引入依赖（Maven）：

<dependency>
    <groupId>com.ibm.icu</groupId>
    <artifactId>icu4j</artifactId>
    <version>74.2</version>
</dependency>

2. 实现转换：

import com.ibm.icu.text.Transliterator;

public class UnicodeToLatinConverter {
    // 定义转换规则：任意Unicode转拉丁字符→拉丁字符转ASCII→保留基础标点
    private static final Transliterator TRANSLITERATOR = Transliterator.getInstance(
        "Any-Latin; Latin-ASCII; [\\p{Punct}]",
        Transliterator.FORWARD
    );

    public static String convert(String input) {
        return TRANSLITERATOR.transliterate(input);
    }
}

3. 使用示例：

String parsedDescription = "This is an ellipsis: …";
String compatibleStr = UnicodeToLatinConverter.convert(parsedDescription);
// 输出："This is an ellipsis: ..."
byte[] latinBytes = compatibleStr.getBytes(Charset.forName("ISO-8859-15"));

这个规则会自动处理智能引号、省略号、特殊破折号等字符的合理替换，完全覆盖你给出的示例场景。

2. Apache Commons Text（替代方案） #

Apache Commons Text提供了字符处理工具，但需要结合自定义规则才能实现类似效果，灵活性不如ICU4J。例如可以使用StringEscapeUtils配合Replacements工具，但需要手动补充部分规则，适合需求简单的场景。

3. JDK自带工具（不推荐） #

JDK自带的CharsetEncoder仅支持将不兼容字符替换为固定符号（默认是?），无法实现自定义的合理映射；Normalizer仅能做字符归一化（如分解组合字符），不能处理特殊标点到普通字符的转换，无法满足需求。

内容的提问来源于stack exchange，提问作者Friet Stoofvlees