内部培訓：錯誤網址的糾正分享商議

這個周末花了一些時間找到和解決了兩種錯誤網址的問題，今天星期一上班趕緊與相關項目的運營和程序同事進行了分享商議，現在把要點放在下面：

一、發現錯誤網址的現象：

• 百度點擊搜索結果到找不到的頁面或者錯誤的頁面
• 百度快照中錯誤的亂碼
• Drupal日志中的404中發現
• Apache/Nginx日志中的404中發現
• Cloudflare日志中發現
• Google Search Console中發現

二、産生錯誤網址的原因：

• 對網址編碼urlencode解碼urldecode的處理不對，可能重複多次處理
• 對多字節字符（例如：中日韓文、Emoji等）編碼的處理不對，應該都是用UTF-8編碼

三、解決錯誤網址的辦法：

1. 找到錯誤編碼的規律，确定錯誤編碼轉正确編碼的規則
2. 對錯誤的編碼使用适當的PHP函數按正确編碼進行轉換
3. 判斷轉換後的字符是否為我們網站數據庫中應有的字符
4. 如果是應用的字符，再301跳轉到正确的頁面
5. 如果不是應有的字符，再嘗試其它編碼轉換或者輸出404

四、參考鍊接：

• 《百度快照裡面中文網址顯示亂碼的問題》
• 《Emoji網址錯誤編碼問題和解決辦法》
• 《一種疑難的漢字網址編碼錯誤和解決辦法》
• 亂碼恢複工具
• 亂碼糾正詞典

補充：目前找到的一些編碼轉換：

• UTF-8 轉 Windows-1252
• UTF-8 轉 GBK
• UTF-8 轉 ISO-8859-1，再GBK 轉 UTF-8
• UTF-8 轉 Windows-1252，再GBK 轉 UTF-8
• UTF-8 轉 Windows-1252，再UTF-8 轉 Windows-1252
• UTF-8 轉 Windows-1252，再UTF-8 轉 Windows-1252，再UTF-8 轉 Windows-1252
• UTF-8 轉 Windows-1252，再UTF-8 轉 Windows-1252，再UTF-8 轉 Windows-1252，再UTF-8 轉 Windows-1252
• UTF-8 轉 Windows-1252，再UTF-8 轉 Windows-1252，再UTF-8 轉 Windows-1252，再UTF-8 轉 Windows-1252，再UTF-8 轉 Windows-1252
• UTF-8 轉 Windows-1252，再UTF-8 轉 Windows-1252，再UTF-8 轉 Windows-1252，再UTF-8 轉 Windows-1252，再GBK 轉 UTF-8
• UTF-8 轉 Windows-1252，再UTF-8 轉 Windows-1252，再GBK 轉 UTF-8
• 簡體 轉 繁體
• +号 轉 空格%20