如何将字符串中误解析的UTF-8/Unicode字符转换为正确字符？

这种UTF-8乱码我简直熟得不能再熟了！本质就是你的字符串被错误地用单字节编码（比如Latin-1/Windows-1252）解码了，原本的UTF-8多字节字符被拆成了几个奇怪的单字节字符——比如你例子里的’，其实就是正确撇号’的UTF-8字节被乱解出来的结果。直接给你两种场景的解决方案，拿来就能用：

把乱码的字符串反向转换：先把乱码字符转回对应的单字节序列，再用UTF-8重新解码，就能还原出正确的字符。

以JavaScript为例，直接用URI编码的技巧实现反向转换，代码简洁高效：

function fixUtf8MangledString(str) {
  // 先把字符串转成基于Latin-1的URI编码，再用UTF-8解码
  return decodeURIComponent(escape(str));
}

// 测试你的例子
const string = "This person’s something....";
const fixedstring = fixUtf8MangledString(string);
console.log(fixedstring); // 输出：This person's something....

如果是Python，逻辑更直接：

def fix_utf8_mangled_string(s):
    # 用Latin-1编码把字符串转回字节，再用UTF-8解码
    return s.encode('latin-1').decode('utf-8')

# 测试
string = "This person’s something...."
fixedstring = fix_utf8_mangled_string(string)
print(fixedstring)

如果字符串里还有像â这种HTML实体编码，需要先把实体转成对应字符，再处理UTF-8乱码：

function fixMixedMangledString(str) {
  // 第一步：把十进制HTML实体转成字符
  const entityFixed = str.replace(/&#(\d+);/g, (_, decimalCode) => {
    return String.fromCharCode(decimalCode);
  });
  // 第二步：修复UTF-8乱码
  return decodeURIComponent(escape(entityFixed));
}

// 测试混合场景
const mixedString = "This person’s something....";
const fixedMixed = fixMixedMangledString(mixedString);
console.log(fixedMixed); // 输出：This person's something....

• 如果乱码是Windows-1252编码导致的（比如一些特殊符号），可以把代码里的latin-1换成cp1252（Python）或者调整对应的编码转换逻辑；
• 这种方法对绝大多数常见的UTF-8乱码场景都有效，比如引号、破折号、版权符号等的乱码都能修复。

内容的提问来源于stack exchange，提问作者Hello World