PHP批量处理confusables.txt生成Unicode字符映射表格问题

核心问题定位 #

1. 原代码仅针对单个硬编码目标字符串，未遍历所有拉丁大写字母的匹配规则
2. Unicode字符处理未使用多字节安全函数，导致字符解析错误、混排
3. 缺少分组存储结构，无法按原拉丁字母归类，只能输出单行内容

修正后的PHP实现 #

<?php
// 定义目标文件路径
$filePath = 'confusables.txt';
// 初始化分组数组，按拉丁大写字母存储混淆字符
$groups = [];

// 逐行读取文件
$handle = fopen($filePath, 'r');
if ($handle) {
    // 正则匹配规则：提取原拉丁大写字母、混淆字符的Unicode编码
    $pattern = '/U\+([0-9A-F]{4,6}) ; LATIN CAPITAL LETTER ([A-Z]) ; U\+([0-9A-F]{4,6})/';
    
    while (($line = fgets($handle)) !== false) {
        // 跳过注释或空行
        if (trim($line) === '' || str_starts_with($line, '#')) {
            continue;
        }
        
        if (preg_match($pattern, $line, $matches)) {
            $originalLetter = $matches[2];
            // 将Unicode编码转换为实际字符（多字节安全）
            $confusableChar = mb_chr(hexdec($matches[3]), 'UTF-8');
            // 按原字母分组存储
            $groups[$originalLetter][] = $confusableChar;
        }
    }
    fclose($handle);
    
    // 按字母顺序排序分组
    ksort($groups);
    
    // 生成按字母分组的Markdown表格
    foreach ($groups as $letter => $chars) {
        echo "## 拉丁大写字母 $letter\n";
        echo "| 原字母 | 混淆字符 |\n";
        echo "|--------|----------|\n";
        foreach ($chars as $char) {
            // 转义Markdown特殊字符（如果有）
            $escapedChar = htmlspecialchars($char);
            echo "| $letter | $escapedChar |\n";
        }
        echo "\n";
    }
} else {
    die('无法打开文件：' . $filePath);
}
?>

关键修正点说明 #

• 分组逻辑：用$groups数组按原拉丁字母（A-Z）归类混淆字符，解决单行输出问题
• Unicode安全处理：使用mb_chr函数转换Unicode编码为字符，避免多字节字符解析错误导致的混排
• 正则匹配优化：精准匹配confusables.txt的行格式，提取所需的原字母和混淆字符编码
• 排序输出：对分组数组按字母顺序排序，保证输出的表格按A-Z顺序排列

示例输出效果 #

## 拉丁大写字母 A
| 原字母 | 混淆字符 |
|--------|----------|
| A | Α |
| A | А |

## 拉丁大写字母 B
| 原字母 | 混淆字符 |
|--------|----------|
| B | В |

内容的提问来源于stack exchange，提问作者first