Node.js环境中使用GBK编码

NodeJS环境中使用GBK编码

Node默认支持的编码格式

Node中的Buffer对象支持以下编码(以6.9.1版本为例):参考API[https://npm.taobao.org/mirrors/node/latest/docs/api/buffer.html#buffer_buffers_and_character_encodings]
* ascii :7-bit ASCII data,舍弃高位
* utf8 : 多字节编码,大多数情况下String的默认编码格式
* utf16le : 2或4字节编码
* base64 : BASE64
* latin1 (别名 binary): 单字节编码( A way of encoding the Buffer into a one-byte encoded string (as defined by the IANA in RFC1345, page 63, to be the Latin-1 supplement block and C0/C1 control codes))
* binary : latin1的别名
* hex : 单字节编码,用2位十六进制数字编码一个字节

GBK与UTF-8

简单说一个是国家标准(GB)、一个是国际标准
GBK是我国颁布的一种汉字编码，作为一个体系，其前身是GB2312，后来演进为GB18030。这个系列的编码标准致力于解决中国国内面临的文字的编码问题，支持的语言包括中文汉字（简体）、日语、韩语、藏文、蒙文、维吾尔文等，主要还是中文。常见汉字用两个字节编码。
UTF-8是一种国际标准，同一个体系的还有UTF-16等。UTF-8致力于解决地球上全部文字的编码表示问题，除了东亚文字还包括其他语言的编码，如波斯文。其编码一个文字采用两个或三个字节。

一个常用汉字占用的字节数：
GB2312：2字节，GBK：2字节，GB18030：2字节，UTF-8：3字节
稀有的汉字：
GB2312： 不包含， GBK：包含，GB18030：包含，UTF-8：包含
特别稀有的汉字：
GB2312： 不包含， GBK：不包含，GB18030：包含，UTF-8：不包含

两种编码同时存在，且会长期共存。同一个系统内部尽量不要混用。

使用iconv-lite做编码转换

Node环境下处理汉字编码常用的有iconv和iconv-lite，前者使用二进制库实现，后者纯JS实现（性能上后者略好【没有实际测试】），这里只介绍iconv-lite[https://npm.taobao.org/package/iconv-lite]
iconv-lite支持的编码格式包括:
* 所有node.js原生支持的编码: utf8, ucs2 / utf16-le, ascii, binary, base64, hex.
* 其他unicode编码: utf16, utf16-be, utf-7, utf-7-imap.
* 所有常见单字节编码:Windows 125x系列, ISO-8859系列, IBM/DOS codepages, Macintosh系列, KOI8系列, 其他iconv库支持的编码. 支持latin1, us-ascii这类别名.
* 所有常见多字节编码: CP932, CP936, CP949, CP950, GB2313, GBK, GB18030, Big5, Shift_JIS, EUC-JP.

官方给出的例子:

var iconv = require('iconv-lite');
str = iconv.decode(new Buffer([0x68, 0x65, 0x6c, 0x6c, 0x6f]), 'win1251');
buf = iconv.encode("Sample input string", 'win1251');

也支持Stream方式使用,参见https://npm.taobao.org/package/iconv-lite

对于早期版本的Node,可以通过extendNodeEncodings在不影响代码结构的情况下扩展Node各原生接口支持的编码种类;这种方式在较新版本(v4+)已经废弃无法使用.

给出一个从GBK文件读取内容,然后编码转存为UTF-8编码的例子

var buffer = Buffer.from(fs.readFileSync('gbkFile.txt',{encoding:'binary'}),'binary');
console.log(buffer);//得到文件内容对应的Buffer
var text = iconv.decode(buffer,'GBK');//使用GBK解码
console.log(text);
//console.log(iconv.encode(text, 'utf8'));
//console.log(iconv.encode(text, 'gbk'));
fs.writeFileSync('utfFile.txt',iconv.encode(text, 'utf8'),'binary'); //按二进制方式写入
fs.writeFileSync('utfFile2.txt',text,'utf8'); //按UTF8写入