PHP处理Latin转UTF-8：数据库转义字符转换难题求助

问题背景 #

私有项目使用老旧Latin编码SQL数据库，库中以Andr\xc3\xa9形式存储表示André的内容。使用UTF8_decode()、mb_convert_encoding()等函数无法转换从数据库读取的字符串，但硬编码相同内容的字符串能正常转换。相关代码及var_dump结果如下：

$iso_string_from_raw = "Andr\xc3\xa9";
$iso_string_from_db = $a->u_firstnames; // 复制粘贴后与$iso_string_from_raw内容一致
$iso_string_raw = mb_convert_encoding($iso_string_from_raw, "ISO-8859-1", "UTF-8");
$iso_string_from_db = mb_convert_encoding($iso_string_from_db, "ISO-8859-1", "UTF-8");

// Var_dump() 结果：
// $iso_string_from_raw -> "André" (string(6))
// $iso_string_from_db -> "Andr\xc3\xa9" (string(12))
// $iso_string_raw -> "André" (预期结果，string(5))
// $iso_string_from_db -> "Andr\xc3\xa9" (string(12))

问题根源 #

硬编码的"Andr\xc3\xa9"会被PHP自动解析为UTF-8字节序列（\xc3\xa9对应UTF-8的é）；但从数据库读取的Andr\xc3\xa9是字面量字符串，实际存储的是\、x、c、3、\、a、9这些字符，编码转换函数无法识别这种转义格式。

解决方案 #

方法1：用stripcslashes()解析转义序列 #

先将数据库读取的转义字面量转换为对应字节，再执行编码转换：

// 解析转义字符为原始字节
$decoded_db_str = stripcslashes($iso_string_from_db);
// 转换编码得到预期结果
$final_str = mb_convert_encoding($decoded_db_str, "ISO-8859-1", "UTF-8");
var_dump($final_str); // 输出 string(5) "André"

方法2：正则匹配+hex2bin()手动转换 #

如果需要保留其他转义字符，可通过正则精准匹配\xXX格式的十六进制转义并替换：

// 替换所有\xXX格式的转义为对应字节
$decoded_db_str = preg_replace_callback('/\\\x([0-9a-fA-F]{2})/', function($matches) {
    return hex2bin($matches[1]);
}, $iso_string_from_db);
// 转换编码
$final_str = mb_convert_encoding($decoded_db_str, "ISO-8859-1", "UTF-8");
var_dump($final_str); // 输出 string(5) "André"

内容的提问来源于stack exchange，提问作者stoneferry