Php 如何将这种奇怪的字符串解码为UTF-8？（菲律宾）

因此，我有

%u041E%u043B%u0435%u0433%20%u042F%u043A

如何将其保存到真正的UTF-8或（对HTML实体更好）？

$string = html_entity_decode($string,ENT_COMPAT,"UTF-8")

---

这是JavaScript

escape（）

格式。它类似于URL编码，但不兼容。使用它通常是一个错误

最好的做法是更改生成它的脚本，改为使用正确的URL编码（

encodeURIComponent（）

）。然后，您可以使用

urldecode

或服务器端的任何其他正常URL解码功能对其进行解码

如果您必须以这种非标准格式交换数据，则必须为其编写自定义解码器。下面是一个利用HTML字符参考解码器的快速破解：

function jsunescape($s) {
    $s= preg_replace('/%u(....)/', '&#x$1;', $s);
    $s= preg_replace('/%(..)/', '&#x$1;', $s);
    return html_entity_decode($s, ENT_COMPAT, 'utf-8');
}

这将返回原始UTF-8字节字符串。如果您真的希望它出现在HTML字符引用中，比如

Ру...

然后停止

html\u entity\u decode

调用。但通常你不会。最好保持字符串为原始格式，直到需要转义以进行最终输出 — 最好不要用字符引用替换非ASCII字符，除非您真的需要

如果像这样的字符串出现在我眼前“%CE%EB%E5%E3+%DF%EA%F3%F8%EA%E8%ED”

这是URL表单编码，与

escape（）

格式不直接兼容。虽然URL编码的2位字节转义不同于疯狂的

转义

-格式的4位代码单元转义，但字符

+

是不明确的。它可能意味着一个加号（如果字符串来自

escape

），或者一个空格（如果它来自浏览器表单提交）。没有办法分辨它是哪一个。这是不使用

escape（）

的另一个原因

除此之外,；如果此字符串的字符集是UTF-8，则可以使用上述函数，将URL编码的字节和疯狂的

escape（）

-格式的Unicode字符转换为原始UTF-8字节

然而，它实际上似乎是代码页1251（Windows俄语）。是否确实要在cp1251中处理所有字符串？如果是这样的话，您必须对其进行一些更改，使其将四位转义码编码为不同的字符集。这很混乱：

function url_or_maybe_jsescape_decode($s, $charset, $isform) {
    if ($isform)
        $s= str_replace('+', ' ', $s);
    $s= preg_replace('/%u(....)/', '&#x$1;', $s);
    $s= preg_replace('/%(..)/', '&!#x$1;', $s);
    $s= html_entity_decode($s, ENT_COMPAT, $charset);
    $s= str_replace('&!', '&', $s);
    $s= html_entity_decode($s, ENT_COMPAT, 'utf-8');
    return $s;
}

echo url_or_maybe_jsescape_decode('%CE%EB%E5%E3+%DF%EA%F3%F8%EA%E8%ED', 'cp1251', TRUE);

我强烈建议：

修复闪存文件，使其使用正确的

encodeURIComponent

而不是

escape

，这样您就可以使用标准的URL解码器而不是这种丑陋的破解

在应用程序中始终使用UTF-8，这样您就可以支持俄语以外的其他语言，并且不必担心提交表单的输入编码会发生变化

---

（所有不是UTF-8的编码都很糟糕，这是科学证明的事实！）

正如其他人所建议的，将其转换为Unicode HTML实体。这是我使用的正则表达式

function escapePercentU($s) {
   $s = preg_replace( "/%u([A-Fa-f0-9]{4})/", "&#x$1;", $s);
   return html_entity_decode($s, ENT_COMPAT, 'utf-8');
}

---

Flash“escape（string）”函数生成的字符串是否适用于C#或任何其他语言编码的字符串？不适用。。。它甚至不会将奇怪的flash字符串更改为UTF8=（ENT_COMPAT是第二个参数的默认值，我将其输入到UTF-8的第三个参数中，它现在对我来说运行良好（当我使用flash时）但是如果像这样的字符串出现在我的脑海里会怎样呢“%CE%EB%E5%E3+%DF%EA%F3%F8%EA%E8%ED”你的函数会对它造成任何伤害吗？我的意思是，当它在浏览器中显示时，它会看起来像ЯЯЯЯЯЯЯЯЯЯЯЯЯЯЯЯ和正确的URL编码。如果可以，我将+5，并建议重新措辞问题标题，以便子孙后代可以从中获益。