如何将未知的字符集转换为utf8？

Question

我在utf8数据库中将字符串Mühle保存为Mülele。 我希望它在UTF8中，因此它将在我的网页上正确显示，该网页也使用utf8。

我认为字符串没有转换成utf8 befor将其写入数据库，现在它将无法在我的网页上正确显示。

我尝试从我的mysql数据库中选择这个字符串并将其转换为utf8，但它没有用。 我也试过多次解码，但也没用。 请参阅我在下面使用的代码：

$string = Mühle;
$string=utf8_encode($string);
echo $string;

和

$string = Mühle;
$string=utf8_decode($string);
$string=utf8_encode($string);
echo $string;

上述代码的输出与两种情况下的输入相同，不会改变有关字符串的任何内容。

我可以做什么来转换这个字符串，以便我可以在我的mysql数据库中更新它，并在下次正确显示为Mühle时选择它？

Answer 1

您的字符串是双重编码的 UTF-8 - 即UTF-8，它被解释为Latin-1，然后重新编码为UTF-8。

当您搞乱角色编码时会发生这种情况 - 例如，当您希望连接使用Latin-1时发送UTF-8数据时。 要解决此问题，您需要在创建连接后立即调用mysqli_set_charset （或数据库API的等效函数），或者默认情况下修改MySQL配置以使用UTF-8连接。

此外，您需要修复数据 - 这是使用utf8_decode适当的次数完成的。 如果“Mühle”是数据库使用UTF-8连接返回的确切字节，则需要读取该字符串，通过utf8_decode发送，然后更新该行（仍使用UTF-8连接）。

请注意，当您在MySQL中选择一行时， 它会在发送回客户端之前从表字符集转换为连接字符集 。 所以，如果你在屏幕上看到“Mühle”，MySQL正在使用UTF-8连接， 并且你将字符串显示为UTF-8，你需要调用utf8_decode 两次才能修复它，因为这意味着该字符串实际上是三重编码的 - 在数据库文本中两次，一次用于显示。 仔细检查所有内容 ，最好使用像phpMyAdmin这样开发良好的MySQL客户端 - 直到它在那里正确显示， 你的数据仍然编码不正确 。

如果这只是几行的问题，手动修复是可以的; 如果这是数据库的一般问题，您可能更喜欢转储SQL脚本，转换该文件，并使用它来替换旧数据。

Answer 2

尝试以下功能。 它会将字符串转换回UTF-8。

function convert_smart_quotes($string)
{
$string = htmlentities($string);
$string = mb_convert_encoding($string, 'HTML-ENTITIES', 'utf-8');
$string = htmlspecialchars_decode(utf8_decode(htmlentities($string, ENT_COMPAT, 'utf-8', false)));

$s = array(
    chr(145) => "'",
    chr(146) => "'",
    chr(147) => '"',
    chr(148) => '"',
    chr(151) => '-',
    's©' => '©',
    '®' => '®',
    '™' => '™', //™
    '“' => '"', // left side double smart quote
    'â€' => '"', // right side double smart quote
    '‘' => "'", // left side single smart quote
    '’' => "'", // right side single smart quote
    '…' => '...', // elipsis
    '—' => '-', // em dash
    '–' => '-', // en dash
);

return strtr($string, $s);
}