转换下标数字的最简单方法

Question

我们从不同的来源（图书馆系统）获得书名（可能有不同的编码，但大多数是utf8）。这些字符串显示在Web中，并通过导出到Endnote和RefWorks。 RefWorks（Windows报价系统）不接受除ANSI之外的任何其他编码。

在RIS / Refworks导出中，激活行

$smarty = iconv("UTF-8", "Windows-1252", $smarty);

示例字符串

Diphosphen-komplexes (CO) 5CrPhPPPhCr(CO) 5

突然切断了第一个下标char（矩形）之后的所有内容。这些字符也没有在HTML中正确打印，但这个输出没问题，因为没有任何内容被切断。在UTF-8导出文件编码中，也没有任何内容被切断。尽管如此，Windows软件无法读取UTF-8。

最简单的解决方案是将任何下标数转换为常规数。一切都会好起来的。但我找不到任何简单的解决方案。使用十六进制代码是我唯一能想象的。此解决方案也适用于我们的Solr指数。

有谁知道更好的解决方案？

Answer 1

示例字符串包含Private Use code points，例如U + E5F8。根据定义，没有标准赋予它们任何意义;它们的使用完全是私人协议。因此，在不知道或推断所涉及的私人协议的情况下，不可能将它们转换为任何东西，或与它们做任何事情。某些系统使用专用代码点来表示某些特殊字体分配给这些点的符号。知道该字体是什么并检查它可能因此有助于找出协议。

转换需要以临时方式单独编码，因为涉及到一个临时协议。

“ANSI”，这里表示windows-1252，不包含任何下标字符。在化学式的上下文中，用正常数字替换下标数字不会改变含义，并且公式是可以理解的，尽管它看起来不专业。

转换为HTML格式（或其他富文本格式）时，您可以使用包含在导致下标呈现的元素中的普通数字（或以其他方式设置样式）。 HTML具有sub元素，但它的实现在浏览器之间有所不同，往往质量很差，因此更好的方法是生成<span class=sub>...</span>并使用CSS设置垂直位置和字体大小。