将 unicode 伪字母转换为常规字符的 JavaScript 函数？

Question

我正在尝试编写一个函数，该函数接受包含 unicode pseduo-alphabets 中字符的任何字符串，并返回一个等效的字符串，其中这些字符已被替换为 ASCII 中的常规字符。

const toRegularCharacters = s => {
  // ?
};

toRegularCharacters('ⓗⓔⓛⓛⓞ, ⓦⓞⓡⓛⓓ'); // "hello, world"
toRegularCharacters('𝓱𝓮𝓵𝓵𝓸, 𝔀𝓸𝓻𝓵𝓭'); // "hello, world"
toRegularCharacters('ん乇ﾚﾚo, wo尺ﾚd'); // "hello, world"

我不想自己写一个查找表。我看过各种“slugify”库，但它们只删除重音等。理想情况下，该函数应该在 Node 和浏览器中工作。

当然，并不是每个特殊字符都会有一个普通的等价物。在这些情况下，解决方案应该做出合理的猜测(例如 "尺" -> "R" )。对于具有“真实变换”的伪字母表，它应该可以完美地工作:

Current true transforms: circled, negative circled, Asian fullwidth, math bold, math bold Fraktur, math bold italic, math bold script, math double-struck, math monospace, math sans, math sans-serif bold, math sans-serif bold italic, math sans-serif italic, parenthesized, regional indicator symbols, squared, negative squared, and tagging text (invisible for hidden metadata tagging).

来自 https://qaz.wtf/u/convert.cgi

我应该怎么做？

从“常规”字符串到伪字母字符串在此处实现: https://qaz.wtf/u/convert.cgi?text=hello%2C+world

Answer 1

您可以编写代码来查询 Unicode 数据库，您可以从 Unicode consortium 下载该数据库。 (或通过 character utility 查询，但这可能是限速的)。该数据库包括诸如什么字形对其他字形“易混淆”的内容。

例如，你的𝓱来自𝓱𝓮𝓵𝓵𝓸，𝔀𝓸𝓻𝓵𝓭是U+1D4F1 ，其中有 手数的混淆，其中之一当然是标准的拉丁小写 h ( U+0068 )。所以你可以遍历输入字符串中的每个字符，查找它，如果它有一个拉丁 a-z 容易混淆(可能是 0-9)，用它替换它。

它不会是完美的。正如 deceze 所指出的，ん没有列出任何容易混淆的词，即使它对英语读者来说确实有点像“h”。 ⓗ也不行.因此，即使您已经说过不想(或只是忍受不完美)，您也可能需要补充自己的查找。