作為前端需要了解的編碼知識

在我們平時的前端開發中，可能用到進制轉換的地方并不多，但是我們要往node全棧方向發展，尤其是處理‘流’的時候，進制轉換就需要我們了解了，這篇文章且作為開始學習‘流’的開胃菜吧！

1.字元的發展

首先還是要說一下字元的發展，純計算機專業人員和老司機請跳過這部分。計算機的基本功能其實是對資料進行運算和加工處理，計算機中的資料有兩類：數值資料和非數值資料。這兩種在計算機中都是用 二進制 表示的，是以這裡簡單說一下 數制 :

1. 二進制：每個二進制位隻有兩個不同的數位0和1,逢二進一，八個二進制位可以組合出256種狀态，這被稱為一個位元組(byte)。
2. 八進制：八進制位擁有八個不同的數位0~7，逢8進1。
3. 十進制：十進制數就是我們日常所見的由0~9組成的數。
4. 十六進制十六進制位有16個不同的數位,即0到9,A到F,逢16進1。

• 8位 = 1位元組
• 1024位元組 = 1K
• 1024K = 1M
• 1024M = 1G
• 1024G = 1T

在C語言中，0開始的表示八進制，0x開始的表示十六進制，并沒有二進制的直接表示法，而在JS中，使用0b開始的表示二進制，0o開始的表示八進制，0x的表示十六進制。

2.常見編碼

二十一進制碼(BCD碼)：

特點是保留了十進制數的權，而數字則用二進制數位0和1的組合來表示，在需要高精度的計算中BCD編碼比較常用（了解）。

ASCII碼

是美國資訊交換标準委員會制定的7位字元編碼，用7位二進制碼表示一個字元，一直編到了第127号，可以用不同位元組來儲存英文，由于隻用了一個位元組（8位）中的7位，是以最前面一位統一規定為0，計算機中常用一個位元組,來存放一個字元的ASCII碼。ASCII表

GB2312

随着計算機的發展，後來一些西歐國家用的不是英文，為了儲存他們的文字，他們使用127号之後的空位儲存新的字母（一個8位的位元組可以組合256種狀态，ASCII隻編到127号），一直編到最後一位255，而且不同國家表示的符号也不一樣。中國為了表示漢字，我們把127号之後的符号取消了，一個小于127的字元的意義與原來相同，但兩個大于 127 的字元連在一起時，就表示一個漢字，也可以說GB2312是對ASCII的中文擴充。可後來還是不夠用，是以後來隻要求隻要第一個位元組是大于127就固定表示這是一個漢字的開始,又增加了近 20000 個新的漢字（包括繁體字）和符号。我們稱之為GBK編碼。

GB18030 / DBCS

随着中國計算機的發展，在編碼中又增加了幾千個新的少數民族的字，GBK擴充成了GB18030統稱它們叫做DBCS。

Unicode

ISO（國際标準化組織）廢棄了所有地區性編碼方案，做了一套包括了地球上所有文化、符号以及字母的編碼，這是一個很大的集合，可以容納100多萬個符号。ISO規定：必須用兩個位元組，也就是16位來統一表示所有的字元，無論是半角的英文字母，還是全角的漢字，它們都是統一的一個字元！同時，也都是統一的兩個位元組。

UTF-8

這應該屬于前端最常見的一種編碼方式了，為解決Unicode如何在網絡上傳輸的問題，于是面向傳輸的衆多 UTF 标準出現了：

• UTF-8 網際網路上使用最廣的一種 Unicode 的實作方式,每次以8個位為機關傳輸資料
• UTF-16就是每次 16 個位

UTF-8 最大的一個特點，就是它是一種變長的編碼方式，Unicode一個中文字元占 2 個位元組，而UTF-8一個中文字元占3個位元組，UTF-8是Unicode的實作方式之一。

Unicode符号範圍(十六進制)	UTF-8編碼方式（二進制）
0000 0000-0000 007F	0xxxxxxx
0000 0080-0000 07FF	110xxxxx 10xxxxxx
0000 0800-0000 FFFF	1110xxxx 10xxxxxx 10xxxxxx
0001 0000-0010 FFFF	11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

3.JS進制轉換方法

------十進制轉其他-------
var a = ;
a.toString();//11000
a.toString();//30
a.toString();//18
------其他轉十進制-------
var b=,c=,d=;
console.log(parseInt(b, )); // 二進制轉十進制
console.log(parseInt(c, )); // 八進制轉十進制
console.log(parseInt(d, ));// 十六進制轉十進制

複制代碼
           

4.前端需要注意的編碼問題

在使用nodeJS編寫前端工具時，對文本檔案的操作比較多，這就涉及到了檔案的編碼問題，常用的文本編碼有UTF8和GBK兩種，并且UTF8檔案還可能帶有BOM（位元組順序标記），在讀取不同編碼的文本檔案時，需要将檔案内容轉換為JS使用的UTF8編碼字元串後才能正常處理。

一、BOM的移除

BOM用于标記一個文本檔案使用Unicode編碼，其本身是一個Unicode字元（"\uFEFF"），位于文本檔案頭部。在不同的Unicode編碼下，BOM字元對應的二進制位元組如下：

Bytes	Encoding
FE FF	UTF16BE
FF FE	UTF16LE
EF BB BF	UTF8

是以我們可以通過檔案頭的幾個位元組來判斷檔案是否包含BOM以及使用哪種Unicode，如果讀取檔案的時候不去掉BOM，假如我們将幾個JS檔案合并成一個，如果檔案中含有BOM字元，就會導緻文法錯誤，是以我們用 nodeJS讀取檔案是一般先去掉BOM

var bin = fs.readFileSync(pathname);//通過node 中fs子產品同步讀檔案内容
//判斷檔案頭的位元組
if (bin[] ===  && bin[] ===  && bin[] === ) {
    bin = bin.slice();
}
複制代碼
           

2.GBK轉UTF8

NodeJS支援在讀取文本檔案時，或者在Buffer轉換為字元串時指定文本編碼,但GBK編碼不在NodeJS自身支援範圍内，一般我們借助iconv-lite這個三方包來轉換編碼，首先使用npm下載下傳這個第三方包，讀取GBK檔案函數如下：

var iconv = require('iconv-lite');
function readGBKText(pathname) {
    var myFs = fs.readFileSync(pathname);
    return iconv.decode(myFs, 'gbk');
}
複制代碼
           

———————————————————記錄前端路上的一點一滴