如何转换'；u00e9'；在mysql或php中转换为utf8字符？

我正在对一些正在导入mysql的凌乱数据进行数据清理

数据包含“伪”unicode字符，这些字符实际上作为“u00e9”等嵌入到字符串中

因此，一个领域可能是……”Jalostotitlu00e1n' 我需要删除笨拙的“u00e1n”，并用相应的utf字符替换它

我可以在mysql中使用substring和CHR，但是我通过PHP预处理数据，所以我也可以在那里做

我已经知道如何配置mysql和php来处理utf数据。问题其实就在于我导入的源数据

---

谢谢

有办法。用它们的HTML表示替换所有的

uxxx

，并执行

HTML\u实体\u解码（）

即
echo html_entity_decode（“Jalostotitlá；n”）

表单
u1234
中的每个UTF字符都可以用HTML打印为
和#x1234。但是进行替换是相当困难的，因为如果没有其他字符标识UTF序列的开头，可能会有很多误报。一个简单的正则表达式可以是

preg_replace（'/u（[\da-fA-F]{4}）/'、'&#x\1；'、$str）
我的twitter时间线脚本将特殊字符如é返回到\u00e9中，因此我去掉了反斜杠并使用了@rubbude his preg_replace

// Fix uxxxx charcoding to html
$text = "De #Haarstichting is h\u00e9t medium voor alles Into:  De #Haarstichting is hét medium voor alles";
$str     = str_replace('\u','u',$text);
$str_replaced = preg_replace('/u([\da-fA-F]{4})/', '&#x\1;', $str);

echo $str_replaced;

这对我来说很有效，它变成：
De#Haarstichting是一家中等规模的公司
进入：
哈尔斯蒂辛是一个中等职业者
/*
用于将utf8 html转换为ansi的函数php
*/

没有“UTF-8字符”这样的东西。也许您的意思是“使用该代码点对Unicode字符进行UTF-8编码”。@Ignacio确实如此，但我会将“UTF-8字符”定义为“编码Unicode字符的一个、两个、三个或四个字节的序列”。这是一个有效的定义吗？@deceze：从技术上讲，这就是所谓的“UTF-8序列”。谢谢，这是一个我没有想到的简单解决方案。我认为使用它是安全的，因为我试图修复的数据中不应该有任何数字。他们这样做的唯一原因是因为混乱的UTF，所以这些应该很容易识别小心！除非您的数据确实受到限制，否则您无法可靠地从如此糟糕的数据损坏中恢复。例如，将任何u-hex-hex-hex序列作为损坏的Unicode转义将把单词“consuved”变成“pers”귭”...@正确，这就是为什么我写它不太容易，因为“误报”。有标识符非常重要。我的twitter时间轴脚本将特殊字符如é返回到\u00e9中，这样我就可以使用反斜杠作为标识符了，对吗？是的，这比没有标识符要好得多。因此，您可以将正则表达式修改为
preg_replace（'/\\u（[\da-fA-F]{4}）/'、'&#x\1；'，$str
（请注意，反斜杠已转义）不！不要从
\u
中删除反斜杠，因为它可以用作标识符。请使用修改的正则表达式
preg\u replace（'/\\u（[\da-fA-F]{4}）/'，'&#x\1；'，$str）
insteadRight，这就是我需要的。当然，我的剥离是错误的，它剥离了我唯一的标识符。谢谢@rabbude我今晚正在测试它，并将用你的preg\u replace更新这个答案。Right@rabbude，现在我记得为什么我自己没有使用\\u:
警告：preg\u replace（）[function.preg replace]：编译失败：PCRE不支持\L、\L、\N{name}、\U或偏移量1处的\U
抱歉，这可能是我的错误，请尝试双重转义：
preg\U replace（'/\\\\U（[\da-fA-F]{4}）/'&\x\1；'，$str）
public static function Utf8_ansi($valor='') {

    $utf8_ansi2 = array(
    "\u00c0" =>"À",
    "\u00c1" =>"Á",
    "\u00c2" =>"Â",
    "\u00c3" =>"Ã",
    "\u00c4" =>"Ä",
    "\u00c5" =>"Å",
    "\u00c6" =>"Æ",
    "\u00c7" =>"Ç",
    "\u00c8" =>"È",
    "\u00c9" =>"É",
    "\u00ca" =>"Ê",
    "\u00cb" =>"Ë",
    "\u00cc" =>"Ì",
    "\u00cd" =>"Í",
    "\u00ce" =>"Î",
    "\u00cf" =>"Ï",
    "\u00d1" =>"Ñ",
    "\u00d2" =>"Ò",
    "\u00d3" =>"Ó",
    "\u00d4" =>"Ô",
    "\u00d5" =>"Õ",
    "\u00d6" =>"Ö",
    "\u00d8" =>"Ø",
    "\u00d9" =>"Ù",
    "\u00da" =>"Ú",
    "\u00db" =>"Û",
    "\u00dc" =>"Ü",
    "\u00dd" =>"Ý",
    "\u00df" =>"ß",
    "\u00e0" =>"à",
    "\u00e1" =>"á",
    "\u00e2" =>"â",
    "\u00e3" =>"ã",
    "\u00e4" =>"ä",
    "\u00e5" =>"å",
    "\u00e6" =>"æ",
    "\u00e7" =>"ç",
    "\u00e8" =>"è",
    "\u00e9" =>"é",
    "\u00ea" =>"ê",
    "\u00eb" =>"ë",
    "\u00ec" =>"ì",
    "\u00ed" =>"í",
    "\u00ee" =>"î",
    "\u00ef" =>"ï",
    "\u00f0" =>"ð",
    "\u00f1" =>"ñ",
    "\u00f2" =>"ò",
    "\u00f3" =>"ó",
    "\u00f4" =>"ô",
    "\u00f5" =>"õ",
    "\u00f6" =>"ö",
    "\u00f8" =>"ø",
    "\u00f9" =>"ù",
    "\u00fa" =>"ú",
    "\u00fb" =>"û",
    "\u00fc" =>"ü",
    "\u00fd" =>"ý",
    "\u00ff" =>"ÿ");

    return strtr($valor, $utf8_ansi2);      

}