PHP实现特殊格式Unicode字符串转普通文本（保留特殊字符）

核心思路 #

数学字体的字母（如𝐴、𝑙这类）属于Unicode的数学符号区块，与普通拉丁字母存在固定的Unicode码点偏移。我们可以通过匹配这些字符的范围，计算出对应的普通字符码点，同时保留原本的特殊字符（á、é、í、ó、ú、ñ、ç等不在数学字体区块内，不会被处理）。

PHP实现代码 #

function convertMathFontToNormal($str) {
    // 若输入为URL编码字符串，先解码
    $str = rawurldecode($str);
    
    // 匹配常见数学字体字母的Unicode范围：斜体、加粗、加粗斜体的大小写字母
    $mathCharPattern = '/[\x{1D400}-\x{1D419}\x{1D41A}-\x{1D433}\x{1D434}-\x{1D44D}\x{1D44E}-\x{1D467}\x{1D468}-\x{1D481}\x{1D482}-\x{1D49B}]/u';
    
    return preg_replace_callback($mathCharPattern, function($matches) {
        $char = $matches[0];
        $codePoint = mb_ord($char, 'UTF-8');
        
        // 根据不同数学字体区块计算对应普通字符的码点
        if ($codePoint >= 0x1D400 && $codePoint <= 0x1D419) {
            // 数学斜体大写字母 → 普通大写字母
            $normalCode = $codePoint - 0x1D3BF;
        } elseif ($codePoint >= 0x1D41A && $codePoint <= 0x1D433) {
            // 数学斜体小写字母 → 普通小写字母
            $normalCode = $codePoint - 0x1D3B9;
        } elseif ($codePoint >= 0x1D434 && $codePoint <= 0x1D44D) {
            // 数学加粗大写字母 → 普通大写字母
            $normalCode = $codePoint - 0x1D3F3;
        } elseif ($codePoint >= 0x1D44E && $codePoint <= 0x1D467) {
            // 数学加粗小写字母 → 普通小写字母
            $normalCode = $codePoint - 0x1D3ED;
        } elseif ($codePoint >= 0x1D468 && $codePoint <= 0x1D481) {
            // 数学加粗斜体大写字母 → 普通大写字母
            $normalCode = $codePoint - 0x1D427;
        } elseif ($codePoint >= 0x1D482 && $codePoint <= 0x1D49B) {
            // 数学加粗斜体小写字母 → 普通小写字母
            $normalCode = $codePoint - 0x1D421;
        } else {
            // 不在处理范围内的字符直接返回（包括特殊字符á、é等）
            return $char;
        }
        
        return mb_chr($normalCode, 'UTF-8');
    }, $str);
}

// 测试示例1：转换URL编码的数学字体文本
$mathEncodedStr = '%F0%9D%90%B4%F0%9D%91%99%F0%9D%91%92%F0%9D%91%97%F0%9D%91%8E%F0%9D%91%9B%F0%9D%91%91%F0%9D%91%9F%F0%9D%91%8E';
echo convertMathFontToNormal($mathEncodedStr); // 输出：Alejandra

// 测试示例2：保留特殊字符
$mixedStr = '𝐴𝑙é𝑗á𝑛𝑑𝑟ñç𝑎';
echo convertMathFontToNormal($mixedStr); // 输出：Aléjáñçra

为什么之前的方法无效？ #

• mb_convert_encoding、iconv这类编码转换函数针对的是字符编码格式的转换，但数学字体和普通文本同属UTF-8编码，只是字符的Unicode码点不同，因此编码转换无法解决问题。
• iconv('UTF-8','ASCII//TRANSLIT',$str)会将特殊字符转换为ASCII字符（比如把á转成a），不符合保留特殊字符的需求。

内容的提问来源于stack exchange，提问作者Jon