JavaScript字元集編碼與解碼詳談

一、字元集

1）字元與位元組（Character）

字元是各種文字和符號的總稱，包括亂碼；一個字元對應1~n個位元組，一位元組對應8位，每位用0或1表示。

2）字元集（Character Set）

字元集是多個字元的集合，每個字元集包含的字元個數不同，常見字元集名稱：ASCII字元集、GB2312字元集、Unicode字元集等。

3）字符集編碼（Character Encoding）

字符集編碼就是將符號轉換為電腦可讀的二進制，解碼就是把二進制轉換為人類可讀的符號。

字元集大多對應一種編碼方式（例如GBK對應GBK編碼），但Unicode編碼有多種，包括UTF-8、UTF-16、UTF-32和UTF-7。

目前網頁用的最多的就是“UTF-8”，UTF-8使用一至四個位元組為每個字元編碼，是ASCII的一個超集，所以現存的ASCII文字不需要轉換

二、瀏覽器進制

1）HTML屬性中使用十進制和十六進制

十進制在HTML中可使用“8”，十六進制，則使用“Z”，比十進制多了個x，進制碼中也多了a～f這6個字來表示10~15。

2）CSS屬性中使用十進位和十六進位

CSS相容HTML的進位形式，除此之外，十六進位還可以使用「6c」的形式來表示。

3）JavaScript編碼封裝

可以直接透過eval執行字串八進位和十六進位兩種編碼方式，其中八進位用「56」表示，十六進位用「x5c」表示。

如果代碼中應用了漢字並且需要進行進位編碼，那麼只能進行十六進位Unicode編碼，其表示形式為：「u4ee3u7801」。

在「Web前端駭客技術揭秘」中經封裝了兩個方法來做編碼和解碼，主要用到了下面兩個方法，具體代碼可查看此處。

核心程式碼是：「str.charCodeAt(char).toString(進位)」與「String.fromCharCode(parseInt(code,進位))」

charCodeAt() 方法傳回0到65535之間的整數，表示給定索引處的UTF-16代碼單元

靜態String.fromCharCode() 方法傳回使用指定的Unicode值序列建立的字串。

也可以透過一個線上網頁進行編碼解碼「MonyerJS」。

4）HTML自動解碼機制

例如在網頁中輸入16進位的“Hello”，自動就會解碼為“hello”。

還有一些比較熟知的空格「 」也是這種機制。

三、瀏覽器編碼

JavaScript中有三對可以對字串編碼解碼的函數，分別是：

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

主要的區別還是不編碼的字元個數。

1）escape不編碼的字元有69個

*、+、-、.、/、@、_、0～9、a～z、A～Z而且escape對0～255以外的unicode值進行編碼時輸出%u****格式。

2）encodeURI不編碼的字元有82個

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

3）encodeURIComponent不編碼的字元有71個

!、'、(、)、*、-、.、_、~、0～9 、a～z、A～Z

更多JavaScript字符集編碼與解碼詳談相關文章請關注PHP中文網！