JavaScript解码异常未知字符串为标准UTF-8编码的解决方案

这类乱码属于非常典型的多轮编码错配问题，核心成因有两个：

• 原本以UTF-8规则编码的多字节文本，在传输链路中被错误按照单字节编码Latin-1（ISO-8859-1）解析了一次。UTF-8里每个非ASCII字符会占2-4个字节，被按单字节拆分解析后，每个字节都会被映射成Latin-1字符表里的单独字符，就形成了你看到的Ã开头的乱码组合。比如Ó的UTF-8编码是双字节0xC3 0x93，按Latin-1拆分解析后就会变成Ó，和你统计的映射完全一致。
• 部分特殊字节在传输中被额外转义成了HTML实体（比如你碰到的 ），这类字符不符合URI编码的格式规范，直接传入decodeURIComponent就会触发解码报错。

你之前使用的decodeURIComponent(escape(str))本身就是修复“Latin-1错读UTF-8”问题的常用方案，但它对混入的HTML实体、非法字节容错性为0，只要碰到不符合规则的片段就会直接抛错，硬编码replaceAll枚举映射的方式只能覆盖已知场景，碰到新的乱码字符就会失效。

不需要硬编码任何字符映射，通过编码还原逻辑可以覆盖所有同类型乱码，兼容HTML5页面环境，代码如下：

function fixGarbledStr(str) {
  // 1. 先解码所有HTML实体，处理 这类转义字符
  const domParser = new DOMParser();
  const parsedDom = domParser.parseFromString(str, 'text/html');
  let plainStr = parsedDom.body.textContent;

  // 2. 还原被Latin-1错误解析的原始UTF-8字节流
  const utf8Bytes = new Uint8Array(plainStr.length);
  for (let i = 0; i < plainStr.length; i++) {
    // 丢弃Latin-1解析时错误补充的高位，只保留原始单字节值
    utf8Bytes[i] = plainStr.charCodeAt(i) & 0xFF;
  }

  // 3. 按UTF-8规则解码字节流，非法字节自动替换不抛错
  return new TextDecoder('utf-8', { fatal: false }).decode(utf8Bytes);
}

这个方案的特点：

• 自动适配所有同类型乱码，不需要手动维护映射表，你统计的à/Ó/ÇÂO/Ú/À/ó/ÇÕ/É都可以正确还原
• 不会触发解码报错，碰到无法识别的异常字节会自动替换为标准占位符，不会中断代码执行
• 完全基于浏览器原生API实现，无第三方依赖，所有现代浏览器都支持

如果需要在Node.js环境使用，只需要把第一步的HTML实体解析换成Node端对应的实体解码方法即可，核心的字节流还原、TextDecoder解码逻辑完全通用。之前PHP中用urldecode解码出现问号占位，是因为没有先修复编码错配的问题，直接解码自然无法识别正确的字符。

内容的提问来源于stack exchange，提问作者Renan Fernandes