如何用R将斜体、粗体等特殊Unicode字符转换为普通字符

解决方案 #

你可以使用R的stringi包内置的Unicode文本归一化功能实现转换，它支持直接匹配所有粗体、斜体、手写体等特殊格式的Unicode字母，自动映射为普通ASCII字母，不需要手动写替换规则。

步骤1：安装并加载依赖包 #

# 未安装的话先执行安装
install.packages("stringi")
library(stringi)

步骤2：执行转换 #

直接调用stri_trans_general函数，指定转换规则为"Any-Latin; Latin-ASCII"即可：

# 你的原始字符串
string <- "Blah blah \U0001d617\U0001d622\U0001d63a\U0001d633\U0001d630\U0001d62d\U0001d62d \U0001d61a\U0001d631\U0001d626\U0001d624\U0001d62a\U0001d622\U0001d62d\U0001d62a\U0001d634\U0001d635 blah blah"

# 转换处理
result <- stri_trans_general(string, "Any-Latin; Latin-ASCII")

# 输出结果验证
print(result)

运行后输出就是你需要的普通文本：

[1] "Blah blah Payroll Specialist blah blah"

规则说明 #

• Any-Latin：会把所有Unicode体系里的拉丁字母变体（包括粗体、斜体、花体、黑形体等所有特殊格式的字母）统一转换为标准拉丁字母
• Latin-ASCII：进一步把带重音、变音符号的拉丁字母转换为对应的纯ASCII字母，兼容更多特殊场景

可选无第三方包方案 #

如果不想依赖外部包，可以手动映射Unicode字符块转换，缺点是需要自行覆盖所有变体块，维护成本较高，仅作为参考：

convert_unicode_letter <- function(s) {
  chars <- strsplit(s, "")[[1]]
  converted <- sapply(chars, function(c) {
    code <- utf8ToInt(c)
    # 数学斜体大写A-Z映射
    if (code >= 0x1D434 && code <= 0x1D44D) return(intToUtf8(code - 119795))
    # 数学斜体小写a-z映射
    if (code >= 0x1D44E && code <= 0x1D467) return(intToUtf8(code - 119789))
    # 其他粗体、花体等Unicode块可按对应码位偏移补充规则
    return(c)
  })
  paste(converted, collapse = "")
}

内容的提问来源于stack exchange，提问作者Jagge