服务端字符编解码 和 乱码处理 charset_enc_dec

Question

在 web 服务端开发中，字符的编解码几乎每天都要打交道。编解码一旦处理不当，就会出现令人头疼的乱码问题。

不少从事 node 服务端开发的同学，由于对字符编码码相关知识了解不足，遇到问题时，经常会一筹莫展，花大量的时间在排查、解决问题。

文本先对字符编解码的基础知识进行简单介绍，然后举例说明如何在 node 中进行编解码，最后是服务端的代码案例。

关于字符编解码

在网络通信的过程中，传输的都是二进制的比特位，不管发送的内容是文本还是图片，采用的语言是中文还是英文。

举个例子，客户端向服务端发送"你好"。

客户端 --- 你好 ---> 服务端

这中间包含了两个关键步骤，分别对应的是编码、解码。

1. 客户端：将"你好"这个字符串，编码成计算机网络需要的二进制比特位。
2. 服务端：将接收到的二进制比特位，解码成"你好"这个字符串。

总结一下：

1. 编码：将需要传送的数据，转成对应的二进制比特位。
2. 解码：将二进制比特位，转成原始的数据。

上面有些重要的技术细节没有提到，答案在下一小节。

• 客户端怎么知道"你好"这个字符对应的比特位是多少？
• 服务端收到二进制比特位之后，怎么知道对应的字符串是什么？

关于字符集和字符编码

上面提到字符、二进制的转换问题。既然两者可以互相转换，也就是说存在明确的转换规则，可以实现 字符<->二进制 的相互转换。

这里提到的转换规则，其实就是我们经常听到的字符集&字符编码。

字符集 是一系列字符（文字、标点符号等）的集合。字符集有很多，常见的有 ASCII、Unicode、GBK 等。不同字符集主要的区别在于包含字符个数的不同。

了解了字符集的概念后，接下来介绍下字符编码。

字符集告诉我们支持哪些字符，但具体字符怎么编码，是由 字符编码 决定的。比如 Unicode 字符集，支持的字符编码有 UTF8(常用)、UTF16、UTF32。

概括一下：

• 字符集：字符的集合，不同字符集包含的字符数不同。
• 字符编码：字符集中字符的实际编码方式。
• 一个字符集可能有多种字符编码方式。

可以把字符编码看成一个映射表，客户端、服务端就是根据这个映射表，来实现字符跟二进制的编解码转换。

举个例子，"你"这个字符，在 UTF8 编码中，占据三个字节 0xe4 0xbd 0xa0 ，而在 GBK 编码中，占据两个字节 0xc4 0xe3 。

字符编解码例子

上面已经提到了字符编解码所需的基础知识。下面我们看一个简单的例子，这里借助了 icon-lite 这个库来帮助我们实现编解码的操作。

可以看到，在字符编码时，我们采用了 gbk 。在解码时，如果同样采用 gbk ，可以得到原始的字符。而当我们解码时采用 utf8 时，则出现了乱码。

var iconv = require('iconv-lite');

var oriText = '你';

var encodedBuff = iconv.encode(oriText, 'gbk');
console.log(encodedBuff);
// <Buffer c4 e3>

var decodedText = iconv.decode(encodedBuff, 'gbk');
console.log(decodedText);
// 你

var wrongText = iconv.decode(encodedBuff, 'utf8');
console.log(wrongText);
// ��

实际例子：服务端编解码

通常我们需要处理编解码的场景有文件读写、网络请求处理。这里距网络请求的例子，介绍如何在服务端进行编解码。

假设我们运行着如下 http 服务，监听来自客户端的请求。客户端传输数据时采用了 gbk 编码，而服务端默认采用的是 utf8 编码。

如果此时采用默认的 utf8 对请求进行解码，就会出现乱码，因此需要特殊处理。

服务端代码如下（为简化代码，这里跳过了请求方法、请求编码的判断）

var http = require('http');
var iconv = require('iconv-lite');

// 假设客户端采用 post 方法，编码为 gbk
var server = http.createServer(function (req, res) {
    var chunks = [];

    req.on('data', function (chunk) {
        chunks.push(chunk)
    });

    req.on('end', function () {
        chunks = Buffer.concat(chunks);

        // 对二进制进行解码
        var body = iconv.decode(chunks, 'gbk');
        console.log(body);

        res.end('HELLO FROM SERVER');
    });

});

server.listen(3000);

对应的客户端代码如下：

var http = require('http');
var iconv = require('iconv-lite');

var charset = 'gbk';

// 对字符"你"进行编码
var reqBuff = iconv.encode('你', charset);

var options = {
    hostname: '127.0.0.1',
    port: '3000',
    path: '/',
    method: 'POST',
    headers: {
        'Content-Type': 'text/plain',
        'Content-Encoding': 'identity',
        'Charset': charset // 设置请求字符集编码
    }
};

var client = http.request(options, function(res) {
    res.pipe(process.stdout);
});

client.end(reqBuff);

相关链接

iconv-lite https://github.com/ashtuchkin/iconv-lite