如何使用Python将网页提取的带样式特殊字符串转为普通无格式字符

你提取到的特殊样式字符属于Unicode兼容字符范畴（本例为数学粗体无衬线字母），直接使用Python标准库unicodedata的NFKC规范化功能即可完成转换，无需额外安装第三方依赖。

代码示例 #

import unicodedata

def to_plain_text(special_str: str) -> str:
    # NFKC规范化会自动将兼容格式的字符映射为标准普通字符
    return unicodedata.normalize('NFKC', special_str)

# 测试用例
input_str = "𝗸𝗲𝗲𝗽 𝘁𝗮𝗸𝗶𝗻𝗴 𝗽𝗿𝗲𝗰𝗮𝘂𝘁𝗶𝗼𝗻𝘀"
output_str = to_plain_text(input_str)
print(output_str)
# 输出：keep taking precautions

特殊情况处理 #

如果遇到部分未被NFKC规则覆盖的自定义特殊字体字符，可以手动建立字符映射字典，逐个替换即可：

custom_map = {
    # 按需添加自定义映射规则，示例：
    "𝗮": "a",
    "𝗯": "b"
}
def custom_convert(special_str: str) -> str:
    return "".join([custom_map.get(c, c) for c in special_str])

内容的提问来源于stack exchange，提问作者SrtoPeixet