如何解码用户的意外字符串？

Question

我发布了一个应用，我发现其中一些评论是这样的：РекамедÑ

我已经google了很多，我无法对其进行解码，因此评论不会以这种方式显示。这是它存储在数据库中的方式;它可以是西里尔语，但我也无法解码它。关于如何理解这种评论的任何线索？

Answer 1

这些似乎是双重编码的HTML实体。例如，&已转为&，然后又转为&

使用this online tool（还有许多其他数据）对数据进行两次解码时，结果为

  

ÐÐμкамÐμÐ'Ñ

这可能是Unicode数据，例如UTF-8采用非西方字符集，如西里尔语或阿拉伯语，

1. 被误解为单字节输入
2. 被错误的“卫生”方法弄乱了，可能是对PHP htmlentities()的一两次调用（在旧版本中默认采用单字节ISO-8859-1编码，因此调用此方法功能可能是问题的全部来源）。

修复可能需要在服务器端。

如果您使用的是PHP，请参阅UTF-8 all the way through以获取方便的指南。