如何转换这些奇怪的字符？（ë，Ã，ì，ù，Ã）

Question

我的页面经常显示像ë，Ã，ì，ù，Ã在正常字符的位置。

我在标题页和MySQL编码中使用utf8。这是怎么发生的？

- Leonardo

---

你需要添加更多的上下文。这些字符出现在哪里？你的表格采用什么编码方式？检索数据的代码是什么样子的... - Pekka

在Latin-1字符集网站上显示的是UTF-8序列。最好的选择是在您的网页中添加<meta charset="UTF-8">，或者在您的PHP脚本顶部使用header("Content-Type: text/html; charset=utf-8");。我假设这实际上还没有发生。 - mario

Answer 1

这些是UTF-8编码的字符。使用utf8_decode()将它们转换成普通的ISO-8859-1字符。

- Ray

---

可能会发生这种情况来解决手头的问题，但更好的做法是在一开始就正确处理所有编码。 - Pekka

当我将字符串发送到数据库时，我总是使用utf8_encode()（当然还有mysql_real_escape_string）。在输出页面上使用utf8_decode()。但你说这是错误的，我不知道，你会如何处理？ - Ray

utf8_encode() 和 utf8_decode() 可以将数据从 ISO-8859-1 编码转换为 UTF-8 编码并相反。在现代网站设置中，如果数据库、数据库连接和输出页面的编码均为 UTF-8，则不再需要进行这些转换。这是从头开始构建 PHP 项目时的推荐方式。虽然它可能可以解决 OP 所展示的问题，但在可能的情况下解决问题的根本原因会更可取。 - Pekka

你甚至可能需要使用它两次。 - javier_domenech

Answer 2

如果你看到这些字符，可能只是因为没有正确指定字符编码。因为当使用单字节编码（如ISO 8859-1或Windows-1252）解释UTF-8多字节字符串时，这些字符就会出现。

在这种情况下，ë可以用0xC3 0xAB进行编码，表示UTF-8中的Unicode字符ë（U+00EB）。

- Gumbo

---

如何使用0xC3 0xAB进行编码，以在UTF-8中表示Unicode字符ë（U+00EB）？ - Leonardo

字符 ë 在 Unicode 字符集中的代码点为 0xEB，并且使用 UTF-8 编码时编码为 0xC3AB。但是，当使用不同的字符编码进行解释时，这个字节序列代表的内容也会有所不同。例如，在 ISO 8859-1 和 Windows-1252 中，它表示两个字符 Ã（0xC3）和 «（0xAB）。 - Gumbo

Answer 3

尽管 utf8_decode 是一个有用的解决方案，但我更喜欢在表格本身上纠正编码错误。在我看来，更好的方法是直接纠正不良字符，而不是在代码中进行“黑科技”处理。只需在表格字段上执行replace即可纠正 OP 中的不良编码字符。

update <table> set <field> = replace(<field>, "ë", "ë")
update <table> set <field> = replace(<field>, "Ã", "à")
update <table> set <field> = replace(<field>, "ì", "ì")
update <table> set <field> = replace(<field>, "ù", "ù")

其中<table>是mysql表的名称，<field>是表中列的名称。以下是一个非常好的清单，适用于通常将错误编码的windows-1252转换为utf-8字符 -> Debugging Chart Mapping Windows-1252 Characters to UTF-8 Bytes to Latin-1 Characters。

记得在尝试使用SQL替换任何字符之前备份您的表格！

[我知道这是对一个非常旧的问题的回答，但我再次遇到了这个问题。一些旧的Windows机器在将文本插入到utf8_general_ci排序的表之前没有正确地进行编码。]

- davidkonrad

---

我发现一个有用的转换器，可以识别错误的字符：https://www.charset.org/utf8-to-latin-converter。 - Gawrion

@Gawrion，+1 对于传统系统来说非常不错。 - davidkonrad

Answer 4

我实际上找到了一种适用于我的方法。它将文本转换为二进制，然后转换为UTF8。

源文本存在编码问题: If ‘Yes’, what was your last

SELECT CONVERT(CAST(CONVERT(
    (SELECT CONVERT(CAST(CONVERT(english_text USING LATIN1) AS BINARY) USING UTF8) AS res FROM m_translation WHERE id = 865) 
USING LATIN1) AS BINARY) USING UTF8) AS 'result';

纠正后的结果文本：

如果是‘是’，你上一次使用的是什么？

我的源代码被错误地编码了两次，所以我不得不进行两次修复。只需一次修复，您可以使用以下命令：

SELECT CONVERT(CAST(CONVERT(column_name USING latin1) AS BINARY) USING UTF8) AS res FROM m_translation WHERE id = 865;

请原谅我可能出现的格式错误。

- Sushmit Saxena

---

救命稻草！谢谢。 - Patrick Savalle

谢谢你，我刚刚遇到了一个问题，那就是从旧系统导出的翻译文件乱码了。这个问题困扰了我一段时间，因为它不是通常的 utf-8 <-> windows-1252/iso-8859 混淆。你的想法帮助我发现了问题所在，原来源文件最初是 utf-8 的，但被错误地双重“转换”成了 utf-8。在 Notepad++ 中打开并将其读取为 utf-8 编码，然后将其转换为 ANSI，再将其读取为 utf-8 编码并再次转换为 ANSI，最后将其读取为 utf-8 编码即可解决问题。 - Sev Roberts