如何将含ISO-8859-1特殊字符的HTML字符串转为UTF-8并正确入库

你的问题核心是编码不匹配导致的乱码传递：原始HTML字符串是ISO-8859-1（更准确说是Windows-1252，因为你看到的“是Windows-1252的左双引号“被错误解析为UTF-8的结果），但后续处理和数据库存储用的是UTF-8，加上之前的代码顺序混乱，导致转码无效。下面是分步解决的方案：

一、修正转码逻辑 #

先理清正确的转码顺序，用更可靠的多字节字符串函数替代utf8_encode/utf8_decode：

// 你的原始转义HTML字符串
$final = '<li>Jain R.K. and Iyengar S.R.K., “Advanced Engineering Mathematicsâ€, Narosa Publications,</li>';

// 1. 先还原HTML实体（把&lt;变回<，&gt;变回>）
$final = htmlspecialchars_decode($final);

// 2. 修复编码错误：把被错误解析为UTF-8的Windows-1252字符串，转成标准UTF-8
// mb_convert_encoding支持更多编码，比utf8系列函数更稳定
$final = mb_convert_encoding($final, 'UTF-8', 'Windows-1252');

// 此时$final的内容已经是正确的UTF-8编码：
// <li>Jain R.K. and Iyengar S.R.K., “Advanced Engineering Mathematics”, Narosa Publications,</li>

为什么之前的代码无效？ #

你之前的步骤顺序颠倒了：先对转义后的HTML做utf8_encode，再解码实体，这相当于把已经混乱的编码进一步搅乱，最后转出来的字符串虽然浏览器能“纠错”显示，但实际编码还是不对，存入数据库自然还是乱码。

二、确保数据库端的编码对齐 #

转码后的字符串是UTF-8了，但还要保证数据库连接和表结构的编码一致：

1. 数据库表结构：确保存储该字段的表/列字符集是utf8mb4（比utf8支持更多Unicode字符，比如特殊引号、emoji等）， collation设为utf8mb4_unicode_ci。
2. 数据库连接编码：
   • 如果你用PDO，连接时直接指定charset：

     $pdo = new PDO(
         'mysql:host=你的主机;dbname=你的数据库;charset=utf8mb4',
         '用户名',
         '密码'
     );
     

   • 如果你用mysqli，连接后执行：

     mysqli_set_charset($conn, 'utf8mb4');
     

3. 存入数据库时用预处理语句：避免手动拼接SQL导致的编码问题，同时更安全：

   // 示例：更新数据库记录
   $stmt = $pdo->prepare("UPDATE your_table SET html_content = ? WHERE id = ?");
   $stmt->execute([$final, $记录ID]);
   

三、批量处理数据库现有数据 #

如果数据库里有大量这类乱码数据，可以写个批量处理脚本：

// 连接数据库（确保charset=utf8mb4）
$pdo = new PDO('mysql:host=localhost;dbname=your_db;charset=utf8mb4', 'user', 'pass');

// 查询所有带乱码的记录
$stmt = $pdo->query("SELECT id, html_content FROM your_table");
while ($row = $stmt->fetch(PDO::FETCH_ASSOC)) {
    // 对每个字段执行转码
    $fixedContent = htmlspecialchars_decode($row['html_content']);
    $fixedContent = mb_convert_encoding($fixedContent, 'UTF-8', 'Windows-1252');
    
    // 更新回数据库
    $updateStmt = $pdo->prepare("UPDATE your_table SET html_content = ? WHERE id = ?");
    $updateStmt->execute([$fixedContent, $row['id']]);
}

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