我正在寻找一种将awstring转换为string仅包含ASCII字符的纯文本的方法。ASCII（0-127）中不存在的任何字符都应转换为最接近的ASCII字符。如果没有类似的ASCII字符，则应省略该字符。
为了说明，我们假设以下宽字符串：
wstring text(L"A naïve man called 晨 was having piña colada and crème brûlée.");
我正在寻找的转换版本是这个（注意没有变音符号）：
string("A naive man called was having pina colada and creme brulee.")
编辑：
关于目的：我正在编写一个分析英语文本的应用程序。输入文件为UTF-8，可能包含特殊字符。我的应用程序的一部分使用了用C编写的仅能理解ASCII的库。因此，我需要一种将文本“哑化”为ASCII而不丢失太多信息的方法。
关于精确的要求：任何作为变体形式的ASCII字符的字符都应转换为该ASCII字符；其他所有字符均应省略。因此ı，ĩ和î应该成为，i因为它们都是小写拉丁字母i的所有版本。ɩ另一方面，字符（iota）虽然外观上相似，但不是小拉丁字母i的版本，因此应省略。
在GitHub上有unidecode-cxx，它是node-unidecode的C ++端口（未完成），而后者又是Perl的Text :: Unicode的JavaScript端口。C ++版本的边缘有点粗糙，但是src/unidecode.cxx可以修改中的示例以转换示例字符串，
A naïve man called 晨 was having piña colada and crème brûlée.
如下：
A naive man called Chen was having pina colada and creme brulee.
为了使代码可以在没有Gyp的情况下进行编译（这是我从未使用过的，并且现在还没有时间弄清楚），我不得不对代码进行一些修改（快速又肮脏）：
添加#include <iostream>到src/unidecode.cxx，并添加以下main例程：
int main() {
string output_buf;
string input_buf = "A naïve man called 晨 was having piña colada and crème brûlée.";
unidecode(&input_buf, &output_buf);
cout << output_buf.c_str() << endl;
}
替换所有提到的NULL在src/data.cxx与nullptr
然后我用
g++ -std=c++11 -o unidecode unidecode.cxx
获得预期的结果。
该代码看起来像是一个相当原始的端口，并且可以进行一些改进，尤其是在更“合适”的C ++中。它在内部使用静态编译的转换表，如果不这样做，则可以对其进行调整以满足您的需求。
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句