如何在PHP中恢复两次编码转换后的文本编码？

如果只是将任意编码文本转成UTF-8，操作很简单：

$text = 'РєСѓСЂСЃ';
$text = mb_convert_encoding($text, "WINDOWS-1251", "UTF-8");
echo($text);

// 输出: курс
// 转换成功！

但如果文本经历过两次非UTF-8编码转换（比如从IBM866转WINDOWS-1251），情况就复杂了：

直接转换完全失效：

$text = '╬яЁхфхыхэшх л╚эЇюЁьрЎшюээюую яЁюфєъЄр╗';
$text = mb_convert_encoding($text, "IBM866", "WINDOWS-1251");
echo($text);

// 输出: �??�?�?�?�?�?�?�?�?�?�? �?�??�?�?�?�?�?�?�?�?�?�?�?�?�?�? �?�?�?�?�?�?�?�?�??
// 转换失败

加入UTF-8转换步骤后有改善，但仍有问题：

$text = '╬яЁхфхыхэшх л╚эЇюЁьрЎшюээюую яЁюфєъЄр╗';
$text = mb_convert_encoding($text, "IBM866", "utf-8");
$text = mb_convert_encoding($text, "IBM866", "WINDOWS-1251");
$text = mb_convert_encoding($text, "utf-8", "IBM866");
echo($text);

// 输出: Определение ?Информационного продукта?
// 接近成功，但"?"应该是"«"和"»"

部分编码组合下所有方法都无效，比如从ISO-8859-1转IBM866：

$text = 'ਫ®¦¥­¨¥ 4';
$text = mb_convert_encoding($text, "ISO-8859-1", "IBM866");
echo($text);

// 输出: ???????????????????? 4
// 转换失败


$text = 'ਫ®¦¥­¨¥ 4';
$text = mb_convert_encoding($text, "ISO-8859-1", "utf-8");
$text = mb_convert_encoding($text, "ISO-8859-1", "IBM866");
$text = mb_convert_encoding($text, "utf-8", "ISO-8859-1");
echo($text);

// 输出: ?????????? 4
// 转换失败

我在Python中完成了相同转换，验证了原始文本的正确性：

text = '╬яЁхфхыхэшх л╚эЇюЁьрЎшюээюую яЁюфєъЄр╗'
text = text.encode('cp866').decode('windows-1251')
print(text)
# 输出: Определение «Информационного продукта»
# 转换成功

text = 'ਫ®¦¥­¨¥ 4'
text = text.encode('ISO-8859-1').decode('cp866')
print(text)
# 输出: Приложение 4
# 转换成功

PHP解决方案 #

Python中的encode是将字符串按指定编码转成字节流，decode是将字节流按指定编码解析成字符串。在PHP中，我们可以通过保留原始字节序列的方式模拟这个过程，核心是用单字节编码中转，避免字节丢失。

案例一：恢复IBM866→WINDOWS-1251转换后的文本

$text = '╬яЁхфхыхэшх л╚эЇюЁьрЎшюээюую яЁюфєъЄр╗';
// 1. 将UTF-8字符串转成ISO-8859-1编码（单字节，完整保留原始字节）
$bytes = mb_convert_encoding($text, 'ISO-8859-1', 'UTF-8');
// 2. 将字节按WINDOWS-1251解析，再转成UTF-8输出
$original = mb_convert_encoding($bytes, 'UTF-8', 'WINDOWS-1251');
echo $original;
// 输出: Определение «Информационного продукта»

案例二：恢复ISO-8859-1→IBM866转换后的文本

$text = 'ਫ®¦¥­¨¥ 4';
// 1. 将UTF-8字符串转成ISO-8859-1编码，保留原始字节
$bytes = mb_convert_encoding($text, 'ISO-8859-1', 'UTF-8');
// 2. 将字节按IBM866解析，再转成UTF-8输出
$original = mb_convert_encoding($bytes, 'UTF-8', 'IBM866');
echo $original;
// 输出: Приложение 4

原理说明 #

PHP的mb_convert_encoding默认会处理字符语义转换，而还原两次编码的文本时，关键是先获取第一次编码后的原始字节值，再用第二次编码规则解析。ISO-8859-1作为单字节编码，每个字节对应唯一字符，不会修改或丢失原始字节数据，完美模拟Python中encode得到字节流的过程。

内容的提问来源于stack exchange，提问作者Michael S