JavaScript中的Unicode和URI编码、解码和转义

如果你看这个，它有一个Unicode字符的转义序列列表，实际上对我不起作用

例如，对于“%96”，它应该是–，我在尝试解码时出错：

decodeURIComponent("%96");
URIError: URI malformed

如果我尝试编码“–”，我实际上得到：

encodeURIComponent("–");
"%E2%80%93"

我在互联网上搜索了一下，我看到了，其中提到使用escape和unescape分别与decodeURIComponent和encodeURIComponent一起使用。这似乎没有什么帮助，因为无论我做什么尝试，%96都不会显示为“–”，这当然行不通：

decodeURIComponent(escape("%96));
"%96"

不是很有帮助

我怎样才能使“%96”成为一个带有JavaScript的“–”（而不必为我可能遇到的每个可能的unicode字符硬编码映射）

具体见：

有一种特殊的“%unnn”格式 编码Unicode UTF-16码点， 而不是编码UTF-8字节

---

我怀疑“–”是其中一个字符，因为它来自卡尔·亨德森（Carl Henderson）的“构建可伸缩的网站”，所以在isā

中以社区维基条目的形式发布0x96。不过，这本书说，可以复制示例的重要部分。您可以使用它为“-”创建一个特例

函数escape\u utf8（数据）{
如果（数据=''| |数据==null）{
返回“”；
}
data=data.toString（）；
var缓冲区=“”；
对于（变量i=0；i 0x10000）{
//4字节
bs[0]=0xF0 |（（c&0x1C0000）>>>18）；
bs[1]=0x80 |（（c&0x3F000）>>>12）；
bs[2]=0x80 |（（c&0xFC0）>>>6）；
bs[3]=0x80 |（c&0x3F）；
}否则，如果（c>0x800）{
//3字节
bs[0]=0xE0 |（（c&0xF000）>>>12）；
bs[1]=0x80 |（（c&0xFC0）>>>6）；
bs[2]=0x80 |（c&0x3F）；
}否则，如果（c>0x80）{
//2字节
bs[0]=0xC0 |（（c&0x7C0）>>>6）；
bs[1]=0x80 |（c&0x3F）；
}否则{
//1字节
bs[0]=c；
}
对于（var j=0；j>>4）
+半字节到十六进制（b&0x0F）；缓冲区+='%'+hex；
}
}
返回缓冲区；
}
函数半字节到十六进制（半字节）{
var chars='0123456789ABCDEF'；
返回字符（半字节）；
}

URI中的序列

%XX

编码一个“八位字节”，即八位字节。这就提出了一个问题，即解码字节指的是什么Unicode字符。如果我的记忆正确的话，在旧版本的URI规范中，并没有很好地定义假定的字符集。在URI规范的更高版本中，建议将UTF-8作为默认编码字符集。也就是说，要解码一个字节序列，您需要解码每个

%XX

序列，然后使用UTF-8字符集将结果字节转换为字符串

这解释了为什么

%96

无法解码。十六进制0x96值不是有效的UTF-8序列。因为它超出了ASCII，所以在它前面需要一个特殊的修饰符字节来表示扩展字符。（有关更多详细信息，请参阅UTF-8规范。）JavaScript

encodeURIComponent（）

和

decodeURIComponent（）

方法都采用UTF-8（正如它们应该的那样），因此我不希望

%96

正确解码

您引用的字符是U+2013，一个en破折号。你引用的页面究竟是如何从十六进制0x96（十进制150）中得到一个破折号的？他们显然没有采用UTF-8编码，这是标准。它们不采用ASCII，ASCII不包含此字符。他们甚至没有假设，这是一种标准编码，每个字符使用一个字节。事实证明，他们假设的是特殊的代码页。也就是说，您试图解码的URI假设用户在Windows机器上，更糟糕的是，在英语（或其他几种西方语言之一）的Windows机器上

---

简而言之，你用的桌子不好。它已过时，并假定用户使用的是英文Windows系统。对非ASCII值进行编码的最新正确方法是将其转换为UTF-8，然后使用

%XX

对每个八位字节进行编码。这就是为什么在尝试对字符编码时得到了

%E2%80%93

，而这正是

decodeURIComponent（）

所期望的。您正在使用的URI编码不正确。如果没有其他选择，您可以猜测URI使用的是Windows 1252，自己转换字节，然后使用Windows 1252表找出Unicode值的用途。但这很危险——您如何知道哪个URI使用哪个表？这就是为什么每个人都选择UTF-8。如果可能，请告诉给您这些URI的人正确编码它们。

我不确定这有什么帮助，因为我正在尝试将%nn格式转换为unicode，而不是相反。我想您可以在使用decodeURIComponent在javascript中对其进行解码之前，将“-”替换为“%E2%80%93”，但它可能会有副作用，所以我不知道。不幸的是，我无法控制espace进程，它是一个野生的字符串。我只需要能够在所有情况下处理“%nn”格式。如果代码是单个的“%nn”“代码您确定源数据是用Unicode编码的，而不是ASCII/Latin-1等吗？decode/encodeUri组件可能使用当前页面的编码，我假设在您的示例中是UTF-8。如果是这样的话，这可能是一个黑客攻击，但您可以使用另一个IFrame，使用不同的编码与父级或类似的方式进行通信，作为最后的手段。或者，您可以使用从另一个编码到Unicode的表，并通过拆分“%”字符或类似的内容进行解码，然后自己处理。只是一些建议：-）escape（“–”）创建“%u2013”。这仍然不能解释我遇到%96时如何处理%96

function escape_utf8(data) {
        if (data == '' || data == null){
               return '';
        }
       data = data.toString();
       var buffer = '';
       for(var i=0; i<data.length; i++){
               var c = data.charCodeAt(i);
               var bs = new Array();
              if (c > 0x10000){
                       // 4 bytes
                       bs[0] = 0xF0 | ((c & 0x1C0000) >>> 18);
                       bs[1] = 0x80 | ((c & 0x3F000) >>> 12);
                       bs[2] = 0x80 | ((c & 0xFC0) >>> 6);
                   bs[3] = 0x80 | (c & 0x3F);
               }else if (c > 0x800){
                        // 3 bytes
                        bs[0] = 0xE0 | ((c & 0xF000) >>> 12);
                        bs[1] = 0x80 | ((c & 0xFC0) >>> 6);
                       bs[2] = 0x80 | (c & 0x3F);
             }else if (c > 0x80){
                      // 2 bytes
                       bs[0] = 0xC0 | ((c & 0x7C0) >>> 6);
                      bs[1] = 0x80 | (c & 0x3F);
               }else{
                       // 1 byte
                    bs[0] = c;
              }
             for(var j=0; j<bs.length; j++){
                      var b = bs[j];
                       var hex = nibble_to_hex((b & 0xF0) >>> 4) 
                      + nibble_to_hex(b &0x0F);buffer += '%'+hex;
              }
    }
    return buffer;
}
function nibble_to_hex(nibble){
        var chars = '0123456789ABCDEF';
        return chars.charAt(nibble);
}