&#x开头的是什么编码?

2024-07-16 03:48:47| 来源: 网络整理| 查看: 265

在 Node 层利用 cheerio 解析网页时，输出的中文内容都是以 &#x 开头的一堆像乱码一样的东西，尝试过各种编码都无效，而且神奇的是，将这一堆“乱码”保存成网页后，通过浏览器打开又可以正常显示。这到底是什么👻？？

缩减后的示例代码如下：

const cheerio = require('cheerio'); const $ = cheerio.load('你好') console.log($('#content').html()) //你好

其实，上面那一堆乱码一样的东西，它的学名叫实体编码 entity code。

下面引用下知乎搜到的答案。

在 HTML 中，某些字符是预留的，例如小于号「」等，浏览器会将它们视作标签。如果想要在HTML中显示这些预留字符，我们就要用到字符实体（character entities）。我们比较熟悉的字符实体有空格「;」，小于号「;」，大于号「;」等。这样的格式比较语义化，容易记忆，但其实字符实体有其他的格式：

&name; &#dddd; &#xhhhh; 这三种转义方式都称作 character reference，第一种是 character entity reference，「&」符号后接预先定义好的 entity 名称。后两种是 numeric character reference，数字取值为目标字符的 Unicode code point；以「&#」开头的后接十进制数字，「&#x」开头的后接十六进制数字。

从 HTML4 开始，numeric character reference 以 Unicode 为准，与文档编码无关。「你好」二字分别是 Unicode 字符 U+4F60 和 U+597D，十六进制表示的 code point 数值「4F60」和「597D」，同时也就是十进制的「20320」和「22909」。所以

在HTML中输入

你好你好

都会显示为“你好”。

知道原因后，那么如何解决上述的问题呢？

方法一：使用cheerio提供的属性

cheerio默认会对entity进行decode，我们只需要关闭该功能即可

const cheerio = require('cheerio'); const $ = cheerio.load('你好', { decodeEntities: false }) console.log($('#content').html()) // 你好

方法二：手动decode

function decode(str) { // 一般可以先转换为标准 unicode 格式（有需要就添加：当返回的数据呈现太多\\\u 之类的时） str = unescape(str.replace(/\\u/g, "%u")); // 再对实体符进行转义 // 有 x 则表示是16进制，$1 就是匹配是否有 x，$2 就是匹配出的第二个括号捕获到的内容，将 $2 以对应进制表示转换 str = str.replace(/&#(x)?(\w+);/g, function($, $1, $2) { return String.fromCharCode(parseInt($2, $1? 16: 10)); }); return str; }

【本文地址】

公司简介

联系我们

今日新闻

点击排行

实验室常用的仪器、试剂和: 说到实验室常用到的东西，主要就分为仪器、试剂和耗

不用再找了，全球10大实验: 01、赛默飞世尔科技（热电）Thermo Fisher Scientif

三代水柜的量产巅峰T-72坦: 作者：寞寒最近，西边闹腾挺大，本来小寞以为忙完这

通风柜跟实验室通风系统有: 说到通风柜跟实验室通风，不少人都纠结二者到底是不

集消毒杀菌、烘干收纳为一: 厨房是家里细菌较多的地方，潮湿的环境、没有完全密

实验室设备之全钢实验台如: 全钢实验台是实验室家具中较为重要的家具之一，很多

图片新闻

实验室药品柜的特性有哪些: 实验室药品柜是实验室家具的重要组成部分之一，主要

小学科学实验中有哪些教学: 计算机计算器一般打孔器打气筒仪器车显微镜

实验室各种仪器原理动图讲: 1.紫外分光光谱UV分析原理：吸收紫外光能量，引起分

高中化学常见仪器及实验装: 1、可加热仪器：2、计量仪器：（1）仪器A的名称：量

微生物操作主要设备和器具: 今天盘点一下微生物操作主要设备和器具，别嫌我啰嗦

浅谈通风柜使用基本常识: 　众所周知，通风柜功能中最主要的就是排气功能。在

&#x开头的是什么编码?

&#x开头的是什么编码?

今日新闻

点击排行

推荐新闻

图片新闻

专题文章