node爬取html乱码

时间：2022-02-27 01:18:47
var http = require('http'),

    iconv = require('iconv-lite');

http.get("http://website.com/", function(res) {

  var body = '';

  res.on('data', function(chunk) {

    body += chunk;

  });

  res.on('end', function() {

    var decodedBody = iconv.decode(body, 'win1252'); // 或者gbk/gb2312等

    console.log(decodedBody);

  });

});

在使用iconv.decode()解码之前，最初的资源已经通过body += chunk解码了，发生了什么：

res.on('data', function(chunkBuffer) {

    body += chunkBuffer.toString('utf8');

  });

如果你设置了res.setEncoding(‘utf8’);。那么和上面的转化是一样的。

对于最开始的问题，使用了两次解码（无论一次还是两次），都是错误的结果。几乎是不可能地回复最初的字节因为utf8转换是有损耗的（lossy）。所以即使是iconv.decode(new Buffer(body, 'utf8'), 'win1252')也无济于事。

注意： theoretically, if you use ‘binary’ encoding to first decode to strings, then feed them to decode, you get the correct results. This is a bad practice because it’s slower, it’s mixing concepts and ‘binary’ encoding is deprecated.
这段不是很懂什么意思，反正使用’binary’编码是不赞成的。（二进制编码？）

解决方案

保持开始的buffer并且使用iconv.decode，如果有必要，可以使用Buffer.concat()。

首先需要知道的是，在data事件的时候，所有的js字符串都是经过解码（utf8）的，我们就不需要手动解码了。

http.get("http://website.com/", function(res) {

  var chunks = [];

  res.on('data', function(chunk) {

    chunks.push(chunk);

  });

  res.on('end', function() {

    var decodedBody = iconv.decode(Buffer.concat(chunks), 'win1252');

    console.log(decodedBody);

  });

});

// Or, with iconv-lite@0.4 and Node v0.10+, you can use streaming support with `collect` helper

http.get("http://website.com/", function(res) {

  res.pipe(iconv.decodeStream('win1252')).collect(function(err, decodedBody) {

    console.log(decodedBody);

  });

});

如果想要忽略警告：
iconv.skipDecodeWarning = true;

转自https://blog.csdn.net/real_bird/article/details/53309512

iconv.skipDecodeWarning = true;

node爬取html乱码

iconv转码问题出现乱码问题 - 乐杨俊浅谈LAMP

2490

iconv转码问题 iconv("UTF-8","GB2312//IGNORE",$data) 来自： 乐杨俊浅谈LAMP

下载

nodejs iconv-lite模块 - newandlife

09-22

nodejs中用于各种字符集间高效的转码 nodejs中用于各种字符集间高效的转码 nodejs中用于各种字符集间高效的转码 nodejs中用于各种字符集间高效的转码 nodejs中用于各种字符集间高
no suited ad found
node爬取html乱码
逍遥子_

关注 310篇文章

node爬取html乱码
Hensen_

关注 182篇文章

node爬取html乱码
后海hh

关注 109篇文章

相关文章