内部培训：错误网址的纠正分享商议

这个周末花了一些时间找到和解决了两种错误网址的问题，今天星期一上班赶紧与相关项目的运营和程序同事进行了分享商议，现在把要点放在下面：

一、发现错误网址的现象：

• 百度点击搜索结果到找不到的页面或者错误的页面
• 百度快照中错误的乱码
• Drupal日志中的404中发现
• Apache/Nginx日志中的404中发现
• Cloudflare日志中发现
• Google Search Console中发现

二、产生错误网址的原因：

• 对网址编码urlencode解码urldecode的处理不对，可能重复多次处理
• 对多字节字符（例如：中日韩文、Emoji等）编码的处理不对，应该都是用UTF-8编码

三、解决错误网址的办法：

1. 找到错误编码的规律，确定错误编码转正确编码的规则
2. 对错误的编码使用适当的PHP函数按正确编码进行转换
3. 判断转换后的字符是否为我们网站数据库中应有的字符
4. 如果是应用的字符，再301跳转到正确的页面
5. 如果不是应有的字符，再尝试其它编码转换或者输出404

四、参考链接：

• 《百度快照里面中文网址显示乱码的问题》
• 《Emoji网址错误编码问题和解决办法》
• 《一种疑难的汉字网址编码错误和解决办法》
• 乱码恢复工具
• 乱码纠正词典

补充：目前找到的一些编码转换：

• UTF-8 转 Windows-1252
• UTF-8 转 GBK
• UTF-8 转 ISO-8859-1，再GBK 转 UTF-8
• UTF-8 转 Windows-1252，再GBK 转 UTF-8
• UTF-8 转 Windows-1252，再UTF-8 转 Windows-1252
• UTF-8 转 Windows-1252，再UTF-8 转 Windows-1252，再UTF-8 转 Windows-1252
• UTF-8 转 Windows-1252，再UTF-8 转 Windows-1252，再UTF-8 转 Windows-1252，再UTF-8 转 Windows-1252
• UTF-8 转 Windows-1252，再UTF-8 转 Windows-1252，再UTF-8 转 Windows-1252，再UTF-8 转 Windows-1252，再UTF-8 转 Windows-1252
• UTF-8 转 Windows-1252，再UTF-8 转 Windows-1252，再UTF-8 转 Windows-1252，再UTF-8 转 Windows-1252，再GBK 转 UTF-8
• UTF-8 转 Windows-1252，再UTF-8 转 Windows-1252，再GBK 转 UTF-8
• 简体 转 繁体
• +号 转 空格%20