Node.js Cheerio 解析器破坏了 UTF-8 编码

Question

我用 Cheerio 解析我的请求是这样的：

var url = http://shop.nag.ru/catalog/16939.IP-videonablyudenie-OMNY/16944.IP-kamery-OMNY-c-vario-obektivom/16704.OMNY-1000-PRO;
request.get(url, function (err, response, body) {
  console.log(body);
   $ = cheerio.load(body);
   console.log($(".description").html());
});

作为输出，我看到了内容，但采用了不可读的奇怪编码：

//Plain body console.log(body) (p.s. russian chars): 
<h1><span style="font-size: 16px;">Уличная 3Мп IP HD камера OMNY - попробуйте найти лучше</span></h1><p style

//  cheerio's console.log $(".description").html()
<h1><span style="font-size: 16px;">&#x423;&#x43B;&#x438;&#x447;&#x43D;&#x430;&#x44F; 3&#x41C;&#x43F; IP HD &#x43A;&#x430;&#x43C;&#x435;&#x440;&#x430; OMNY

目标urllink编码为UTF-8格式。那么为什么 Cheerio 会破坏我的编码？

正在尝试使用 iconv 对我的 body 响应进行编码：

var body1 = iconv.decode(body, "utf-8");

但 console.log($(".description").html()); 仍然 returns 奇怪的文字。

Answer 1

Cheerio 没有损坏任何东西。它正在输出 HTML entities，这将由任何浏览器呈现，与 HTML 输入完全相同。运行这个片段看看我的意思：

<h1><span style="font-size: 16px;">Уличная 3Мп IP HD камера OMNY - попробуйте найти лучше</span></h1>

<h1><span style="font-size: 16px;">&#x423;&#x43B;&#x438;&#x447;&#x43D;&#x430;&#x44F; 3&#x41C;&#x43F; IP HD &#x43A;&#x430;&#x43C;&#x435;&#x440;&#x430; OMNY - &#x43F;&#x43E;&#x43F;&#x440;&#x43E;&#x431;&#x443;&#x439;&#x442;&#x435; &#x43D;&#x430;&#x439;&#x442;&#x438; &#x43B;&#x443;&#x447;&#x448;&#x435;</span></h1>

例如，

У 是字符 У 编码为 HTML 实体，与实体 > 表示 > 的方式相同。

但是，如果你想得到未编码的文本，你可以将decodeEntities选项设置为false:

const $ = cheerio.load(
  `<h1><span style="font-size: 16px;">Уличная 3Мп IP HD камера OMNY - попробуйте найти лучше</span></h1>`,
  { decodeEntities: false }
);


console.log($('span').html())
// => Уличная 3Мп IP HD камера OMNY - попробуйте найти лучше

.as-console-wrapper{min-height:100%}

<script src="https://bundle.run/cheerio@1.0.0-rc.3"></script>

Answer 2

我今天早些时候遇到了一个问题，当时我试图用 cheerio 加载一个页面，其中我们有特殊字符，如 ç、á、é 等...

cheerio 的工作方式是尝试自然地解码字符并呈现 Unicode 字符

的数字 HTML 编码

例如： 而不是 ç 它会给我们 ç。

为了解决这个问题，我只需要通过添加以下内容来关闭此配置：decodeEntities: false 作为 cheerio 加载参数。

const $ = cheerio.load(body, { decodeEntities: false });

Node.js Cheerio 解析器破坏了 UTF-8 编码

Node.js Cheerio parser breaks UTF-8 encoding

node.js

encoding

cheerio