开发过程中遇到一种奇怪的编码格式:
每日一色|蓝白~
使用decode/unescape/decodeURI解码均无效.研究一番,总结一下.
实际上上面这种奇怪的编码格式并不是编码,而是一种叫做 NCR(Numeric Character Reference) 的标记结构.
Numeric Character Reference
看看维基百科的解释：
A numeric character reference (NCR) is a common markup construct used in SGML and other SGML-related markup languages such as HTML and XML. It consists of a short sequence of characters that, in turn, represent a single character from the Universal Charact
NCR是一种常见的标记结构，用于SGML和其他SGML相似的标记语言，如HTML和XML。它由一个短的字符序列组成,代表一个字符（全球的文字字符）。
NCR编码是由一个与号(&)跟着一个井号(#), 然后跟着这个字符的Unicode编码值, 最后跟着一个分号组成的, 如:
&#dddd;&#xhhhh;&#name;
其中, dddd是字符编码的十进制表示, 而hhhh是字符的16进制表示.
以 HTML 为例，这三种转义序列都称作 character reference：
前两种是 numeric character reference（NCR），数字取值为目标字符的 Unicode code point；以「」开头的后接十进制数字，以「」开头的后接十六进制数字。后一种是 character entity reference，后接预先定义的 entity 名称，而 entity 声明了自身指代的字符。从 HTML 4 开始，NCR 以 Unicode 为准，与文档编码无关。「中国」二字分别是 Unicode 字符 U+4E2D 和 U+56FD，十六进制表示的 code point 数值「4E2D」和「56FD」就是十进制的「20013」和「22269」。所以——
中国中国
——这两种 NCR 写法都会在显示时转换为「中国」二字。
如何将 NCR 字符转换成真实字符
方法如下:
var regex_num_set = /&#(\d+);/g;var str = "Here is some text: 每日一色|蓝白~"str = str.replace(regex_num_set, function(_, $1) { return String.fromCharCode($1);});document.write(''+JSON.stringify(str,0,3));
以上例子使用了 String.prototype.replace() 和 String.fromCharCode() 方法. 思路为将字符串中的 NCR 字符逐个获取到 ""和";"间的 Unicode 字符编码值, 然后利用 String.fromCharCode() 方法, 将 Unicode 编码转为真实字符.
博客文章地址：