JavaScript字符集编码与解码详谈

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