Node.js与HTTP响应主体的unicode问题

Question

HTTP请求的响应主体使用本机“http”模块，显示unicode字符的问号字符，而不是实际值。 这是我正在运行的基本代码片段。

var http = require('http');
var google = http.createClient(80, 'www.google.it');
var request = google.request('GET', '/',
{
 'host': 'www.google.it',
}
  );
request.end();
request.on('response', function (response) {
  response.setEncoding('utf8');
  response.on('data', function (chunk) {
    console.log(chunk);
  });
});

在回复中，有一个以“ Pubblicit ”开头的特定单词。 它的最后一封信是一个奇怪的角色，向我展示了一个问号。 这个词应该是Pubblicità ，而是显示为Pubblicit？ 。

我也尝试使用.toString()输出数据：

console.log(chunk.toString());

要么

console.log(chunk.toString('utf8'));

但我得到的结果相同。

任何的想法？

Answer 1

我设置了response.setEncoding('binary'); 它的工作原理。 不知道为什么。

参考： http ： //groups.google.com/group/nodejs/browse_thread/thread/3bd3935b1f42a5f4？pli = 1

Answer 2

原因可能是，如果我们没有在请求标题上指定“googleKnownAsUTF8OK”用户代理，谷歌会响应内容类型为ISO-8859-1的html文档（对于旧浏览器，机器人？我不知道），所以解码“二进制”的响应缓冲区是正确的。

但是，如果我们通过utf8解码ISO-8859-1中编码的缓冲区，那么字节0xe0（à）意味着“连续形成一个3字节的字符”，在我们的例子中它是一个格式错误的字符，所以一些意想不到的字符（显示取决于环境）。

我们可以尝试“Mozilla / 5.0”作为用户代理的价值。 祝好运。

Answer 3

我设置了response.setEncoding（'binary'）; 它的工作原理。 不知道为什么。

参考： http ： //groups.google.com/group/nodejs/browse_thread/thread/3bd3935b1f42a5f4？pli = 1

在我的情况下，由于旧网页的windows-1252字符集，我有一些错误的字符。

我只是在请求选项中使用了encode：'binary'而且它工作正常！