java string.getBytes("UTF-8") 等效的javascript

Question

我在java中有这个字符串：

"test.message"

byte[] bytes = plaintext.getBytes("UTF-8");
//result: [116, 101, 115, 116, 46, 109, 101, 115, 115, 97, 103, 101]

如果我在 javascript 中做同样的事情：

    stringToByteArray: function (str) {         
        str = unescape(encodeURIComponent(str));

        var bytes = new Array(str.length);
        for (var i = 0; i < str.length; ++i)
            bytes[i] = str.charCodeAt(i);

        return bytes;
    },

我明白了：

 [7,163,140,72,178,72,244,241,149,43,67,124]

我的印象是 unescape(encodeURIComponent()) 可以正确地将字符串转换为 UTF-8。不是这样吗？

参考：

http://ecmanaut.blogspot.be/2006/07/encoding-decoding-utf8-in-javascript.html

Answer 1

您可以使用TextEncoder，它是Encoding Living Standard 的一部分。根据 Chromium Dashboard 中的 Encoding API 条目，它在 Firefox 中发布，并将在 Chrome 38 中发布。还有一个 text-encoding polyfill 可用。

下面的 JavaScript 代码示例返回一个 Uint8Array，其中填充了您期望的值。

var s = "test.message";
var encoder = new TextEncoder();
encoder.encode(s);
// [116, 101, 115, 116, 46, 109, 101, 115, 115, 97, 103, 101]

Answer 2

JavaScript 对 String 没有字符编码的概念，一切都在 UTF-16 中。大多数情况下，UTF-16 中 char 的值与 UTF-8 匹配，因此您可以忘记它有什么不同。

有更优化的方法可以做到这一点，但是

function s(x) {return x.charCodeAt(0);}
"test.message".split('').map(s);
// [116, 101, 115, 116, 46, 109, 101, 115, 115, 97, 103, 101]

那么unescape(encodeURIComponent(str)) 在做什么呢？让我们分别看一下，

1. encodeURIComponent 正在将 str 中非法或在 URI 语法 中有意义的每个字符转换为 URI 转义 版本，以便将其用作URI 的搜索组件中的键或值，例如 encodeURIComponent('&='); // "%26%3D" 请注意，现在这是一个 6 个字符长的 String。
2. unescape 实际上是折旧的，但它与decodeURI 或decodeURIComponent （与encodeURIComponent 相反）的作用相似。如果我们查看ES5 spec，我们可以看到11. Let c be the character whose code unit value is the integer represented by the four hexadecimal digits at positions k+2, k+3, k+4, and k+5 within Result(1).
   所以，4 数字是 2 字节是 "UTF-8"，但是正如我提到的，所有 字符串 都是 UTF-16 ，所以它实际上是一个 UTF-16 字符串，将自身限制为 UTF-8。