我经常会弄乱参考文献数据库中格式错误的 BibTeX 文件，这些文件充斥着诸如%或 之类的活动字符（通常在摘要中，虽然不会打印出来但无论如何都会产生错误），但我可以忍受这种不便，并用或&替换它们。\%\&
此外，由于某些 UTF8 字符无法通过 进行管理，因此会出现一些输入编码错误pdflatex。在参考文献中，此错误比在正文中更令人不安，但在最好的情况下，只会将一些希腊字母更改为γ。在其他情况下，是阴险的零宽度 U+200B，但我甚至可以搜索和替换这个字符。
对我来说更糟糕的是令人讨厌的 U+301，特别是当它不在辅音上而是隐藏在元音中作为正常的尖音符号时，可以使用 完美地进行管理inputenc，即正常e字符（U+0065）加上 U+301 看起来与 á、Á、í 等类型é（U+00E9）等等完全一样，因此很难检测到有毒的变音符号。
令人失望的是，在某些编辑器中搜索 U+0065 加 U+301 也会找到单个字符 U+00E9，反之亦然，所以我最终痛苦地搜索并用单个字符版本替换每个重音字母（单或双）。
所以问题具体是：有什么巧妙的方法可以清理.bib带有 U+301 波浪号的文件吗？
（当然，更通用的答案，涵盖对所有无法识别和活跃字符的自动清理，将受到欢迎。）
最小（不）工作示例：
\documentclass{article}
\begin{filecontents}{test.bib}
@article{xx,
author={González, M. and Ruíz, P.}
title={Mañana hará calor & bochorno con un 90% de humedad}
}
\end{filecontents}
\usepackage[utf8]{inputenc}
\usepackage[T1]{fontenc}
\usepackage[spanish]{babel}
\begin{document}
Hello \cite{xx}
\bibliography{test}
\bibliographystyle{plain}
\end{document}
答案1
为了消除未解答列表中日益增多的这个问题，并希望帮助新手解决这些问题，我自己回答了如何使用和测试，uconv 但我留下了社区维基答案。我在这里不是为了寻求声誉。;)
例如，在西班牙语键盘中，用户习惯于通过输入A+获得单个字符“á” ´ ，但实际上它们可以存储为两个组合字符，或者某些程序可以决定将单个字符转换为两个字符（因为它们最初被输入）。在 Unicode 术语中，这遵循所谓的“规范化形式 D”（NFD），其中“D”代表“规范分解”，相反的是规范化形式 C（NFC），其中 C 代表“组合”。这意味着规范分解后跟规范组合（还有更多的规范化形式，但这与这个问题无关）。
据称这与最终用户无关，应该担心，因为所谓的等价性应该在程序的核心中得到解决，但现实并不那么美好：pdflatex只使用 NFC 消化文本，而且似乎大多数 TeX\BibTeX 编辑器仍然不关心这个问题。
问题不仅仅在于带重音的元音。可能的组合字符列表非常长，例如 Å、ṩ 等，因此在这种情况下，搜索和替换每个字符并不是一个现实的解决方案。
有许多页面解释了什么是 NFC，许多页面解释了如何使用这种或那种编程语言来实现，一些页面指向了可以使用 NFC 输出的工具（例如，、msort或ucto） ，但对于仅转码文本文件毫无用处，还有一些rsync页面convmv指向了用于此目的的正确工具：
确保 NFC 的最简单方法是uconv在 Linux 中使用（或使用 Cygwin 的 Windows 中）
uconv -x any-nfc inputfile > ouputfile
例子：
该x.tex文件仅包含字符串“más más”，其中第一个“á”是U+00E1(NFC)，第二个是 U+0061 + U+301，但它们看起来相等：
$ cat x.tex
más más
尽管它们并不相等，但从十六进制显示中可以清楚地看出：
$ hd x.tex
00000000 6d c3 a1 73 20 6d 61 cc 81 73 |m..s ma..s|
0000000a
仅规范化为 C 形式：
$ uconv -x any-nfc x.tex > y.tex
测试结果：
$ hd y.tex
00000000 6d c3 a1 73 20 6d c3 a1 73 |m..s m..s|
00000009
请不要混淆这个程序iconv也是用于转码文件的程序，但是AFAIK除 Mac OS X 版本外，不处理 UTF-8 中的分解字符。
另一个解决方案是在上述链接中使用简单的 perl 脚本，但自己制作的可执行文件留给最终用户进行“维护”工作（使其广泛可用、备份等）。
另一方面，对于单个字符的问题，使用自制脚本搜索和替换最常见的违规字符可能更划算，但同样，LaTeX 中无法识别的字符列表足够大，使其成为非常糟糕的清洁解决方案。也许一些来回转码会留下更多“外来字符”？我的意思是，例如将 UTF8 转换为 ISO8859-15，然后将 ISO8859-15 转换为仅包含预组合字符的 UTF-8。例如，这种方法可以丢失隐藏且危险的“带空格的零”，但我不知道在实际文档中丢失某些字符有多重要。如果您知道更好的方法，请在此处阅读。