我有许多呈现无效字符的网站。页面的元标记指定 UTF-8 编码。但是，许多页面包含 UTF-8 无法解释的字符，可能是因为这些文件是使用另一种编码（例如 ANSI）保存的。我现在特别关心的是一个花哨的撇号（如“鲍勃的”……抱歉，如果没有正确显示）。W3 的验证器指示实体是“ \x92 ”，但它不会验证文件，因为它没有映射到 unicode。当然，如果我在 Notepad++ 中打开文件并将编码更改为 UTF-8，则该字符将替换为黑框中的 92。
这是我的问题：解决此问题的最简单方法是什么？我是否必须打开所有页面并用传统的撇号替换该字符？或者是否有一个我可以添加（例如，到 IIS）的快速修复，它可能会覆盖或修复编码问题？还是我必须蛮力查找/替换？我在这些网站上有数百个页面，我不知道我必须更改其中的多少，所以如果有人知道我可以规避这个问题或快速修复它的方法，我将不胜感激。
您是否将页面作为直接 HTML 提供，或者您是否有另一个脚本提供内容？如果您有一个提供内容的脚本，该脚本可以只查找 \x92 的任何实例并将其替换为撇号。在 PHP 中，这将是一个简单的 str_replace()
如果您提供的是直接 HTML，那么您将不得不自己实际修改文件。这可以自动化，但是（如果您有数百个文件，可能应该是）取决于您可用的工具和您所在的操作系统。既然您说您使用的是 Notepad++，我想可以安全地假设你在 MS Windows 中（因此没有有趣的 Unix 命令来加快速度）
但是，可以创建一个可以执行此操作的 BATCH 脚本。命令提示符内置了非常简单的 ASCII 文本编辑工具。如果这不可能，那么如果您的系统上有编译器并且对 C 有一定的了解，那么很有可能制作一个 C 或 C++ 程序来执行此操作。如果您有前者而不是后者，请询问，我会整理一些来源为你。
我自己不确定它的编码部分，但如果你最终不得不通过蛮力来完成它，你总是可以编写一个短程序来遍历你的所有网页，将每个文件加载到内存中，运行regex.replace 修复问题字符，并将文件保存回磁盘。显然不理想，但比自己打开每个文件要好。
祝你好运
我刚刚遇到了一个类似的问题，其中一些没有破坏空格的“xA0”进入了一个所谓的 UTF-8 文档。在记事本++中，这些显示在一个黑色的盒子里，里面写着“xA0”。但是 notepad++ 不允许复制或粘贴它们。
我做了一些研究，发现了发生了什么。十六进制编辑器显示这些被编码为单个字节：“A0”，它是无效的 UTF-8。任何不是 ASCII 的都应该至少是两个字节，所以正确的编码是十六进制的“C2 A0”。
对于您花哨的撇号示例，您正在处理同样的事情。实际上，您的问题更复杂，因为在扩展 ascii 字符中 \x92 （十进制 146）是撇号，但在 unicode 中 \x92 是控制字符，右单引号应该是 U+2019 （十进制 8217）。在记事本++中添加这个符号（通过编辑->字符面板）并在十六进制编辑器中检查显示正确的十六进制编码是“E2 80 99”，二进制是 1110 0010 10 000000 10 011001。当您删除 UTF-8 控制字节（非粗体）时，这会产生 0010 0000 0000 0001 1001，它等于十进制值 8217。
处理此问题的正确方法是将文件作为字节流（c 中的 unsigned char *）打开并搜索不正确的 UTF-8 序列。然后你可以用 � 替换它们（见https://en.wikipedia.org/wiki/UTF-8#Invalid_byte_sequences）或者你可以尝试自定义处理它们，通过像 A0 -> C2 A0 （不正确编码的非空格）和 92 -> E2 80 99（编码不正确的右单引号）。
所有特殊字符都应进行 HTML 编码，例如版权符号应在您的 HTML 中为
©
HTML实体列表：
http://www.w3schools.com/HTML/html_entities.asp
至于如何实现这在很大程度上取决于您首先如何创建代码，但是像 ASP.Net 这样的东西将具有服务器端功能，例如：
Server.HTMLEncode("string with special chars")