PHP调用Facebook API返回的UTF-8字符串内嵌格式如何清除？

问题本质 #

你遇到的不是内嵌样式，是特殊UTF-8 Unicode字符：这些看起来是粗体的字符属于Unicode「数学字母数字符号」区块（码点范围U+1D400 ~ U+1D7FF）。用户在Facebook发布内容时使用了平台的富文本粗体样式，Facebook API返回时没有输出<b>这类HTML标签，而是直接把普通拉丁字母替换成了对应的粗体Unicode字符，所以你无法通过CSS修改字体样式，毕竟这些字符和普通a-z/A-Z本身就不是同一个编码。
你之前用mb_convert_encoding无效的原因也很简单：这些字符本身就是合法UTF-8字符，转编码根本不会改变字符本身的码点，自然解决不了问题。

清除方法 #

PHP环境下推荐用Unicode归一化方案处理，依赖PHP官方的intl扩展（大部分生产环境默认已安装）：

方案1：归一化兼容字符（推荐） #

使用Normalizer的NFKD兼容性归一化，直接把特殊的粗体/斜体Unicode字符转成标准拉丁字母，同时可保留法语等语言的重音符号：

// 从API拿到的原始文本
$rawDesc = $post->getField('message');
// NFKD归一化：将兼容字符转换为标准等价字符
$normalizedDesc = Normalizer::normalize($rawDesc, Normalizer::FORM_KD);
// 可选：过滤掉不可见的控制字符，避免乱码
$cleanDesc = preg_replace('/[\p{Cc}\p{Cf}]/u', '', $normalizedDesc);

方案2：使用转写器自定义规则 #

如果需要更灵活的转换规则（比如统一把所有非ASCII标点转成半角、去掉重音等），可以用Transliterator类：

// 创建转写规则：所有字符转标准拉丁字母，保留重音、去除不可见字符
$trans = Transliterator::create('Any-Latin; [:Nonspacing Mark:] Remove;');
$cleanDesc = $trans->transliterate($rawDesc);

无intl扩展兜底方案 #

如果环境无法安装intl扩展，可以手动匹配特殊字符区间替换，再结合正则过滤：

// 匹配所有数学字母符号区块的字符
$pattern = '/[\x{1D400}-\x{1D7FF}]/u';
// 先替换特殊字符，再过滤剩余异常符号
$cleanDesc = preg_replace('/[^\p{L}\p{P}\p{Z}\p{N}]/u', '', preg_replace($pattern, '', $rawDesc));

内容的提问来源于stack exchange，提问作者Puka