PHP处理西里尔文URL转码异常：需实现x-esc-entities后处理

针对你遇到的编码混乱的西里尔文URL，本质是双重编码错误：原始西里尔文先被转成Windows-1252编码，然后这些Windows-1252字节又被错误地当作UTF-8进行了URL编码。配合所谓的"x-esc-entities"处理，完整的PHP实现步骤如下：

1. 完整解码函数 #

function fixBrokenCyrillicUrl($encodedText) {
    // 第一步：URL解码，得到被错误解析为UTF-8的Windows-1252字节字符串
    $urldecoded = urldecode($encodedText);
    
    // 第二步：将乱码字符串转回Windows-1252字节流（加//IGNORE避免转换失败返回false）
    $win1252Bytes = iconv('UTF-8', 'Windows-1252//IGNORE', $urldecoded);
    if ($win1252Bytes === false) {
        return false;
    }
    
    // 第三步：将Windows-1252编码转成UTF-8格式的西里尔文
    $utf8Cyrillic = iconv('Windows-1252', 'UTF-8//IGNORE', $win1252Bytes);
    
    // 第四步：处理HTML实体（对应"x-esc-entities"后处理）
    $decodedEntities = html_entity_decode($utf8Cyrillic, ENT_QUOTES | ENT_HTML5, 'UTF-8');
    
    return $decodedEntities;
}

// 测试示例链接
$exampleEncoded = "%C3%90%C5%93%C3%90%C2%B8%C3%90%C2%BA%C3%91%C6%92%C3%91%E2%82%AC%C3%91%C6%92%20%C3%90%C2%90%C3%91%C2%81%C3%90%C2%B0%C3%91%E2%80%A6%C3%90%C2%B8%C3%90%C2%BD%C3%90%C2%B0";
echo fixBrokenCyrillicUrl($exampleEncoded);
// 输出：Микуру Аса…ина

2. 关键步骤说明 #

• URL解码：先还原出被错误编码的原始字节字符串，这是后续处理的基础。
• 转回Windows-1252：使用//IGNORE参数跳过无效字节，避免因个别错误字符导致整个转换返回false。
• 转UTF-8西里尔文：将正确的Windows-1252编码转成现代网站通用的UTF-8，确保显示和重定向逻辑正常。
• HTML实体解码：对应在线工具的"x-esc-entities"处理，把类似…这类转义实体还原为原生字符，保证内容完整可读。

3. 301重定向集成示例 #

在网站入口脚本（如index.php）中，可直接集成重定向逻辑：

$requestUri = $_SERVER['REQUEST_URI'];
// 检测疑似乱码的编码片段（可根据实际情况调整判断规则）
if (preg_match('/%C3%90|%C3%91/', $requestUri)) {
    $fixedPath = fixBrokenCyrillicUrl($requestUri);
    if ($fixedPath !== false) {
        header("HTTP/1.1 301 Moved Permanently");
        header("Location: " . $fixedPath);
        exit;
    }
}

内容的提问来源于stack exchange，提问作者Алексей Пожидаев