PHP中windows-1252编码下同值特殊字符如何正确替换

所谓多个待处理字符编码值和Ã重合，本质是编码解析错位导致的假象：UTF-8编码下的à、À、í、Í均为双字节字符，首字节统一为0xC3（该字节按windows-1252编码解析时显示为Ã），但四个字符的第二个字节完全不同。当服务错误把UTF-8字节流按windows-1252单字节规则解析时，你只会注意到共通的首字节乱码Ã，忽略了紧随其后的差异字节，才会误以为多个字符编码值完全重合。

不要直接对乱码状态下的单字符做硬替换，必须先修复编码错位问题，再做定向字符替换，从根源避免匹配错误。
PHP实现代码如下：

function convertSpecAccentChars(string $input): string
{
    // 将误按windows-1252解析的乱码转回正确的UTF-8字符流
    $fixedUtf8 = mb_convert_encoding($input, 'UTF-8', 'Windows-1252');
    // 定义指定重音字符到普通英文字符的替换映射
    $charMap = [
        'à' => 'a',
        'À' => 'A',
        'í' => 'i',
        'Í' => 'I'
    ];
    return strtr($fixedUtf8, $charMap);
}

如果跳过编码修复步骤，直接在乱码状态下做替换，必须匹配完整的双字节乱码组合，绝对不能只匹配单个Ã：

• 乱码状态下à对应windows-1252字符序列为à
• 乱码状态下À对应windows-1252字符序列为À
• 乱码状态下í对应windows-1252字符序列为í
• 乱码状态下Í对应windows-1252字符序列为Í

仅匹配单个Ã会导致所有首字节为0xC3的UTF-8字符被误替换，还会丢失后续差异字节，触发更严重的乱码问题。

内容的提问来源于stack exchange，提问作者Joan Calafat Sastre