Javascript:字符的编码转换和实体转换


这个问题源于此贴。 http://segmentfault.com/q/10100000001... ,源于@Sunny 三楼回答的“干扰串“ http://www.awflasher.com/jsmail 。在这里贴出实际工作的源码:

function htmlEncode( s )
{
  var result = "";
  for (var j = 0; j < s.length; j++ ) {
    // Encode 25% of characters
    if (Math.random() < 0.25 || s.charAt(j) == ':' || s.charAt(j) == '@' || s.charAt(j) == '.') {
      var charCode = s.charCodeAt(j);
      result += "&#";
      result += charCode;
      result += ";";
    } else {
      result += s.charAt(j);
    }
  }
  return result;
}

function urlEncode( s )
{
  var HEX = "0123456789ABCDEF";
  var encoded = "";
  for (var i = 0; i < s.length; i++ ) {
    // Encode 25% of characters
    if (Math.random() < 0.25) {
      var charCode = s.charCodeAt(i);
      encoded += "%";
      encoded += HEX.charAt((charCode >> 4) & 0xF);
      encoded += HEX.charAt(charCode & 0xF);
    } else {
      encoded += s.charAt(i);
    }
  } // for
  return encoded;
}

function Obfuscate()
{
  var plaintext = document.TheForm.F1.value;
  var result = "<a href='";
  result += htmlEncode("mailto:" + urlEncode(plaintext) );
  result += "'>";
  result += htmlEncode(plaintext) ;
  result += "</a>";
  document.TheForm.F2.value = result;
  if (document.all) {
    document.all.RESULT.innerHTML = "最终效果: " + result;
  } else {
    document.getElementById("result").innerHTML = "最终效果: " + result + " (注意观察状态栏,这可是标准的mailto链接哦)";
  }
  return false; /* Privacy note: returning false prevents the browser from posting your email address! */
}

我对源码的理解是,htmlEncode将本来在网页中显示的正常字符转变为html实体;urlEncode则将原来页面中href属性中的url编码为utf8格式,相当于使用了encodeURI,但是这里不使用encodeURI的原因是作者希望能够只将大约25%的字符串转义,从而加大破译者的难度。
我的问题是:

  1. 代码中使用了html实体其中一种表示方式&#X;其中X为的unicode编码。而通过方法atCharCode可以获得某个字符的unicode编码。问题是,当我查阅到表一(见下)时发现似乎空格是一个例外,通过atCharCode获得的值是32,而它的html实体是   ,请问这是什么原因?
  2. urlEncode将unicode转化为utf8的方式让我觉得奇怪。 http://cattail2012.wordpress.com/2012... 。该文章是我对于字符集和编码的认识,其中一小节(相关应用)中介绍了对于unicode到utf8的转换。不知道是我错了还是作者代码存在缺陷?

Screenshot.png
表一

web 编码 HTML JavaScript encoding

天空中的人 11 years, 3 months ago

第一个问题:&nbsp和空格在unicode里是2个不同的字符。空格的编码是32,Non-breaking space的编码是160。在HTML文本里,如果遇到多个连续的空格字符,浏览器会把它们合并成一个空格字符,而对于多个连续的&nbsp就不做合并。

第二个问题:作者写urlEncode这个函数的目的是用来编码email地址的,而email地址只可能是ASCII字符集里的字符,UTF-8里对ASCII字符的编码规则与ASCII字符集是一样的,所以可以使用这种方式来编码。显然,用这种方式去编码超出ASCII字符集之外的字符,例如中文,是不行的。你的理解没错,作者这样写也没错,关键是看打算用在什么地方。

沉睡的饼干 answered 11 years, 3 months ago

Your Answer