欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

JS字符串轉(zhuǎn)GBK編碼超精簡(jiǎn)實(shí)現(xiàn)詳解

 更新時(shí)間：2022年08月04日 10:26:55   作者：EtherDream  
JS中GBK編碼轉(zhuǎn)字符串是非常簡(jiǎn)單的，但反過來，字符串轉(zhuǎn)GBK編碼卻沒這么簡(jiǎn)單。接下來本文就將帶大家一起康康JS如何實(shí)現(xiàn)字符串轉(zhuǎn)GBK編碼，需要的可以參考一下

前言

JS 中 GBK 編碼轉(zhuǎn)字符串是非常簡(jiǎn)單的，直接調(diào)用 TextDecoder 即可：

const gbkBuf = new Uint8Array([196, 227,   186, 195,   49, 50, 51])
new TextDecoder('gbk').decode(gbkBuf)   // "你好123"

但反過來，字符串轉(zhuǎn) GBK 編碼卻沒這么簡(jiǎn)單，因?yàn)?nbsp;TextEncoder 無法指定字集，只能將字符串轉(zhuǎn)成 UTF-8 編碼的二進(jìn)制數(shù)據(jù)。

因此業(yè)內(nèi)絕大多數(shù)的解決方案都是使用第三方編碼庫，例如 iconv。由于這些庫打包了大量字集數(shù)據(jù)，體積非常可觀，即便是精簡(jiǎn)版的 iconv-lite 也有幾百 kB，這在瀏覽器端顯然很不完美。我們希望只用幾百字節(jié)就能解決！

遍歷

查閱資料可得，GBK 其實(shí)只有兩萬多個(gè)字符，因此最簡(jiǎn)單的辦法就是「暴力窮舉」。借助 TextDecoder 可遍歷出每個(gè) GBK 對(duì)應(yīng)的 JS 字符，之后的編碼過程無非就是查表而已。

事實(shí)上 GBK 的編碼范圍是有規(guī)律的：

https://en.wikipedia.org/wiki/GBK_(character_encoding)#Encoding

因此只需在預(yù)定范圍中遍歷，即使多花十幾行代碼但能提高性能，也是值得的。

const ranges = [
  [0xA1, 0xA9,  0xA1, 0xFE],
  [0xB0, 0xF7,  0xA1, 0xFE],
  [0x81, 0xA0,  0x40, 0xFE],
  [0xAA, 0xFE,  0x40, 0xA0],
  [0xA8, 0xA9,  0x40, 0xA0],
  [0xAA, 0xAF,  0xA1, 0xFE],
  [0xF8, 0xFE,  0xA1, 0xFE],
  [0xA1, 0xA7,  0x40, 0xA0],
]
const codes = new Uint16Array(23940)
let i = 0

for (const [b1Begin, b1End, b2Begin, b2End] of ranges) {
  for (let b2 = b2Begin; b2 <= b2End; b2++) {
    if (b2 !== 0x7F) {
      for (let b1 = b1Begin; b1 <= b1End; b1++) {
        codes[i++] = b2 << 8 | b1
      }
    }
  }
}
const str = new TextDecoder('gbk').decode(codes)

// 編碼表
const table = new Uint16Array(65536)
for (let i = 0; i < str.length; i++) {
  table[str.charCodeAt(i)] = codes[i]
}

如果每遍歷一個(gè) GBK 就調(diào)用一次 TextDecoder，那顯然是十分低效的。因此我們將所有 GBK 集中存放在上述 codes 數(shù)組中，最后只調(diào)用一次 TextDecoder 批量轉(zhuǎn)換。

這個(gè)初始化過程只需 1ms ~ 2ms，開銷非常低。

查表

有了映射表，編碼時(shí)直接查表即可：

function stringToGbk(str) {
  const buf = new Uint16Array(str.length)
  for (let i = 0; i < str.length; i++) {
    const code = str.charCodeAt(i)
    buf[i] = table[code]
  }
  return new Uint8Array(buf.buffer)
}

stringToGbk('你好')   // [196, 227,   186, 195]

輸出結(jié)果和本文開頭演示的一致。

不過上述忽略了 ASCII 范圍，如果傳入「你好123」就有問題了。由于 GBK 的 ASCII 部分是單字節(jié)存儲(chǔ)的，因此編碼邏輯需調(diào)整：

function stringToGbk(str) {
  const buf = new Uint8Array(str.length * 2)
  let n = 0

  for (let i = 0; i < str.length; i++) {
    const code = str.charCodeAt(i)
    if (code < 0x80) {
      buf[n++] = code
    } else {
      const gbk = table[code]
      buf[n++] = gbk & 0xFF
      buf[n++] = gbk >> 8
    }
  }
  return buf.subarray(0, n)
}

stringToGbk('你好123')    // [196, 227,   186, 195,   49, 50, 51]

輸出結(jié)果和本文開頭演示的一致。

出于性能考慮，這里使用 Uint8Array 而不是 Array。但 Uint8Array 長(zhǎng)度是固定的，申請(qǐng)后不能改變，因此假設(shè)輸入的字符串中都是非 ASCII 字符，從而確保緩沖區(qū)充足，最后返回時(shí)再截取。（使用 subarray 引用，無需復(fù)制）

完善

如果編碼時(shí)傳入了 GBK 不支持的字符，按上述邏輯將會(huì)變成 0 字符，因?yàn)?table 空缺位置默認(rèn)為 0。而 0 本身也是 GBK 的一部分，因此并不完善。

因此我們可將 table 填充成其他值，之后查表時(shí)出現(xiàn)該值，可作為異常處理。

此外根據(jù)百科上科普，微軟基于 GBK 實(shí)現(xiàn)的 Code page 936 多一個(gè) 0x80 字碼，對(duì)應(yīng)的字符是歐元符號(hào) €。

試了下，即使非 Windows 系統(tǒng)的瀏覽器也支持：

const gbkBuf = new Uint8Array([0x80])
new TextDecoder('gbk').decode(gbkBuf)   // "€"

演示：https://jsbin.com/vuxawul/edit?html,output

最終實(shí)現(xiàn)：https://github.com/EtherDream/str2gbk

使用這種方案，幾十行代碼幾百字節(jié)就能實(shí)現(xiàn) GBK 編碼，并且性能非常高。

以上就是JS字符串轉(zhuǎn)GBK編碼超精簡(jiǎn)實(shí)現(xiàn)詳解的詳細(xì)內(nèi)容，更多關(guān)于JS字符串轉(zhuǎn)GBK編碼的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！

相關(guān)文章

最新評(píng)論