深入理解 Node.js Buffer 的 Encoding

字符怎么存储呢?深入就是靠编码，不同的理解字符对应不同的编码，然后在需要渲染的深入时候根据对应编码去查字体库，然后渲染对应字符的理解图形。

字符集

字符集(charset)最早是深入 ASCII 码，也就是理解 abc ABC 123 等 128 个字符，因为计算机最早就是深入美国发明的。后来欧洲也制定了一套字符集标准，理解叫做 ISO，深入后来中国也搞了一套，理解叫做 GBK。深入

国际标准化组织觉得不能这样各自搞一套，理解不然同一个编码在不同字符集里面就不同的深入意思，于是理解就提出了 unicode 编码，把全世界大部分编码收录，深入这样每个字符只有唯一的编码。

但是 ASCII 码只需要 1 个字节就可以存储，而 GBK 需要 2 个字节，还有的字符集需要 3 个字节等。有的亿华云计算只要一个字节存储却存了 2 个字节，比较浪费空间。所以就出现了 utf-8、utf-16、utf-24 等不同编码方案。

utf-8、utf-16、utf-24 都是 unicode 编码，但是具体实现方案不同。

UTF-8 为了节省空间，设计了从 1 到 6 个字节的变长存储方案。而 UTF-16 是固定 2 个字节，UTF-24 是固定 4 个字节。

最后，UTF-8 因为占用空间最少，所以被广泛应用。

Node.js 的 Buffer 的 encoding

每种语言都支持字符集的编码解码，Node.js 也同样。

Node.js 里面可以通过 Buffer 来存储二进制的数据，而二进制的数据转为字符串的时候就需要指定字符集，Buffer 的 from、云服务器提供商byteLength、lastIndexOf 等方法都支持指定 encoding：

具体支持的 encoding 有这些：

utf8、ucs2、utf16le、latin1、ascii、base64、hex

可能有的同学会发现：base64、hex 不是字符集啊，怎么也出现在这里?

是的，字节到字符的编码方案除了字符集之外，也有用于转为明文字符的 base64、以及转为 16 进制的 hex。

这也是为什么 Node.js 把它叫做 encoding 而不是 charset，因为支持的编解码方案不只是字符集。

如果不指定 encoding，默认是 utf8。

const buf = Buffer.alloc(11, aGVsbG8gd29ybGQ=, base64); console.log(buf.toString());// hello world 

encoding 的 源码

我去翻了下 Node.js 关于 encoding 的源码：

这一段是亿华云实现 encoding 的：

https://github.com/nodejs/node/blob/master/lib/buffer.js#L587-L726

可以看到每个 encoding 都实现了 encoding、encodingVal、byteLength、write、slice、indexOf 这几个 api，因为这些 api 用不同 encoding 方案，会有不同的结果，Node.js 会根据传入的 encoding 来返回不同的对象，这是一种多态的思想。

const encodingOps = {    utf8: {      encoding: utf8,     encodingVal: encodingsMap.utf8,     byteLength: byteLengthUtf8,     write: (buf, string, offset, len) => buf.utf8Write(string, offset, len),     slice: (buf, start, end) => buf.utf8Slice(start, end),     indexOf: (buf, val, byteOffset, dir) =>       indexOfString(buf, val, byteOffset, encodingsMap.utf8, dir)   },   ucs2: {      encoding: ucs2,     encodingVal: encodingsMap.utf16le,     byteLength: (string) => string.length * 2,     write: (buf, string, offset, len) => buf.ucs2Write(string, offset, len),     slice: (buf, start, end) => buf.ucs2Slice(start, end),     indexOf: (buf, val, byteOffset, dir) =>       indexOfString(buf, val, byteOffset, encodingsMap.utf16le, dir)   },   utf16le: {      encoding: utf16le,     encodingVal: encodingsMap.utf16le,     byteLength: (string) => string.length * 2,     write: (buf, string, offset, len) => buf.ucs2Write(string, offset, len),     slice: (buf, start, end) => buf.ucs2Slice(start, end),     indexOf: (buf, val, byteOffset, dir) =>       indexOfString(buf, val, byteOffset, encodingsMap.utf16le, dir)   },   latin1: {      encoding: latin1,     encodingVal: encodingsMap.latin1,     byteLength: (string) => string.length,     write: (buf, string, offset, len) => buf.latin1Write(string, offset, len),     slice: (buf, start, end) => buf.latin1Slice(start, end),     indexOf: (buf, val, byteOffset, dir) =>       indexOfString(buf, val, byteOffset, encodingsMap.latin1, dir)   },   ascii: {      encoding: ascii,     encodingVal: encodingsMap.ascii,     byteLength: (string) => string.length,     write: (buf, string, offset, len) => buf.asciiWrite(string, offset, len),     slice: (buf, start, end) => buf.asciiSlice(start, end),     indexOf: (buf, val, byteOffset, dir) =>       indexOfBuffer(buf,                     fromStringFast(val, encodingOps.ascii),                     byteOffset,                     encodingsMap.ascii,                     dir)   },   base64: {      encoding: base64,     encodingVal: encodingsMap.base64,     byteLength: (string) => base64ByteLength(string, string.length),     write: (buf, string, offset, len) => buf.base64Write(string, offset, len),     slice: (buf, start, end) => buf.base64Slice(start, end),     indexOf: (buf, val, byteOffset, dir) =>       indexOfBuffer(buf,                     fromStringFast(val, encodingOps.base64),                     byteOffset,                     encodingsMap.base64,                     dir)   },   hex: {      encoding: hex,     encodingVal: encodingsMap.hex,     byteLength: (string) => string.length >>> 1,     write: (buf, string, offset, len) => buf.hexWrite(string, offset, len),     slice: (buf, start, end) => buf.hexSlice(start, end),     indexOf: (buf, val, byteOffset, dir) =>       indexOfBuffer(buf,                     fromStringFast(val, encodingOps.hex),                     byteOffset,                     encodingsMap.hex,                     dir)   } }; function getEncodingOps(encoding) {    encoding += ;   switch (encoding.length) {      case 4:       if (encoding === utf8) return encodingOps.utf8;       if (encoding === ucs2) return encodingOps.ucs2;       encoding = StringPrototypeToLowerCase(encoding);       if (encoding === utf8) return encodingOps.utf8;       if (encoding === ucs2) return encodingOps.ucs2;       break;     case 5:       if (encoding === utf-8) return encodingOps.utf8;       if (encoding === ascii) return encodingOps.ascii;       if (encoding === ucs-2) return encodingOps.ucs2;       encoding = StringPrototypeToLowerCase(encoding);       if (encoding === utf-8) return encodingOps.utf8;       if (encoding === ascii) return encodingOps.ascii;       if (encoding === ucs-2) return encodingOps.ucs2;       break;     case 7:       if (encoding === utf16le ||           StringPrototypeToLowerCase(encoding) === utf16le)         return encodingOps.utf16le;       break;     case 8:       if (encoding === utf-16le ||           StringPrototypeToLowerCase(encoding) === utf-16le)         return encodingOps.utf16le;       break;     case 6:       if (encoding === latin1 || encoding === binary)         return encodingOps.latin1;       if (encoding === base64) return encodingOps.base64;       encoding = StringPrototypeToLowerCase(encoding);       if (encoding === latin1 || encoding === binary)         return encodingOps.latin1;       if (encoding === base64) return encodingOps.base64;       break;     case 3:       if (encoding === hex || StringPrototypeToLowerCase(encoding) === hex)         return encodingOps.hex;       break;   } } 

总结

计算机中存储数据的最小单位是位，但是存储信息最小的单位是字节，基于编码和字符的映射关系又实现了各种字符集，包括 ascii、iso、gbk 等，而国际标准化组织提出了 unicode 来包含所有字符，unicode 实现方案有若干种：utf-8、utf-16、utf-32，他们分别用不同的字节数来存储字符。其中 utf-8 是变长的，存储体积最小，所以被广泛应用。

Node.js 通过 Buffer 存储二进制数据，而转为字符串时需要指定编码方案，这个编码方案不只是包含字符集(charset)，也支持 hex、base64 的方案，包括：

utf8、ucs2、utf16le、latin1、ascii、base64、hex

我们看了下 encoding 的 Node.js 源码，发现每种编码方案都会用实现一系列 api，这是一种多态的思想。

很赞哦!（14178）