JavaScript字符集编码与解码详谈

2017-02-12 22:15:39 JavaScript

一、字符集

 

1)字符与字节(Character)
 

字符是各种文字和符号的总称,包括乱码;一个字符对应1~n个字节,一字节对应8位,每位用0或1表示。
 

2)字符集(Character Set)
 

字符集是多个字符的集合,每个字符集包含的字符个数不同,常见字符集名称:ASCII字符集、GB2312字符集、Unicode字符集等。
 

3)字符集编码(Character Encoding)
 

字符集编码就是将符号转换为计算机可读的二进制,解码就是把二进制转换为人类可读的符号。

字符集大多对应一种编码方式(例如GBK对应GBK编码),但Unicode编码有多种,包括UTF-8、UTF-16、UTF-32和UTF-7。

目前网页用的最多的就是“UTF-8”,UTF-8使用一至四个字节为每个字符编码,是ASCII的一个超集,所以现存的ASCII文本不需要转换

 

二、浏览器进制

 

1)HTML属性中使用十进制和十六进制
 

十进制在HTML中可使用“8”,十六进制,则使用“Z”,比十进制多了个x,进制码中也多了a~f这6个字符来表示10~15。
 

2)CSS属性中使用十进制和十六进制
 

CSS兼容HTML的进制形式,除此之外,十六进制还可以使用“\6c”的形式来表示。
 

3)Javascript编码封装
 

可以直接通过eval执行字符串八进制和十六进制两种编码方式,其中八进制用“\56”表示,十六进制用“\x5c”表示。

如果代码中应用了汉字并且需要进行进制编码,那么只能进行十六进制Unicode编码,其表示形式为:“\u4ee3\u7801”。

在“Web前端黑客技术揭秘”中经封装了两个方法来做编码和解码,主要用到了下面两个方法,具体代码可查看此处。

核心代码是:“str.charCodeAt(char).toString(进制)”与“String.fromCharCode(parseInt(code,进制))”

charCodeAt() 方法返回0到65535之间的整数,表示给定索引处的UTF-16代码单元

静态String.fromCharCode() 方法返回使用指定的Unicode值序列创建的字符串。

还可以通过一个在线网页进行编码解码“MonyerJS”。
 

4)HTML自动解码机制
 

例如在网页中输入16进制的“Hello”,自动就会解码为“hello”。

还有一些比较熟知的空格“ ”也是这种机制。

 

三、浏览器编码

 

Javascript中有三对可以对字符串编码解码的函数,分别是:
 

escape/unescape、encodeURI/decodeURI、encodeURIComponent/decodeURIComponent。
 

主要的区别还是不编码的字符个数。
 

1)escape不编码的字符有69个

 

*、+、-、.、/、@、_、0~9、a~z、A~Z


而且escape对0~255以外的unicode值进行编码时输出%u****格式。


2)encodeURI不编码的字符有82个


!、#、$、&、'、(、)、*、+、,、-、.、/、:、;、=、?、@、_、~、0~9、a~z、A~Z


3)encodeURIComponent不编码的字符有71个


!、'、(、)、*、-、.、_、~、0~9、a~z、A~Z