PHP：过滤输入后的编码问题排查与解决求助

嘿，这个问题我之前踩过坑！本质是FILTER_SANITIZE_STRING搭配FILTER_FLAG_ENCODE_HIGH时，对多字节UTF-8字符的处理逻辑有问题——它会把UTF-8字符拆成单个字节，再把每个字节单独编码成HTML实体。比如你输入的ù，它的UTF-8编码是0xC3 0xB9（对应十进制195和185），就被拆成了ù，再加上转义就变成了ù。

下面是两步恢复原始字符的可行方案：

步骤1：还原转义后的实体 #

首先得把被转义的实体字符串还原成原始的实体格式，用htmlspecialchars_decode()处理：

$encoded_str = "ù"; // 你拿到的转义后字符串
$raw_entities = htmlspecialchars_decode($encoded_str);
// 现在$raw_entities的值是"ù"

步骤2：把实体组合成UTF-8字符 #

接下来，我们需要把这两个单独的字节实体转成对应的字节，再组合成原始的UTF-8字符。用html_entity_decode()时指定编码为ISO-8859-1（因为每个实体对应的是单个Latin-1字节值），就能得到正确的UTF-8字符：

$original_char = html_entity_decode($raw_entities, ENT_COMPAT, 'ISO-8859-1');
echo $original_char; // 输出：ù

额外建议：避免后续再踩这个坑 #

另外要提醒你，FILTER_SANITIZE_STRING在PHP 8.1版本已经被废弃了，而且它对多字节字符的处理本来就不太友好。如果你的需求是清理输入并存入UTF-8编码的数据库，更推荐：

• 确保数据库连接是UTF-8编码（比如PDO连接时指定charset=utf8mb4，比utf8支持更多特殊字符）
• 用参数绑定（PDO或mysqli的预处理语句）来防止SQL注入，不需要手动转义实体
• 如果是要输出到HTML页面，再用htmlspecialchars()处理，这样能正确识别并处理UTF-8字符

至于为什么utf8_decode()没用？因为它的作用是把UTF-8字符串转成ISO-8859-1，但你的输入是HTML实体字符串，不是原始的UTF-8字符，所以直接用它当然起不到作用啦。

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