作爲新手，碰到問題了就google了一下，網上已經有teary:window下nodejs爬取gb2312網頁出現亂碼的解決方案出來了。
本文和上面的作法幾乎相同，只是自己不想引用bufferhelper，自己用JavaScript原生的Buffer替代實現了。
代碼如下：
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 | var http = require("http"); var iconv = require('iconv-lite'); var url = 'http://www.qq.com/'; http.get(url, function(res){ var arrBuf = []; var bufLength = 0; res.on("data", function(chunk){ arrBuf.push(chunk); bufLength += chunk.length; }) .on("end", function(){ // arrBuf是個存byte數據塊的數組，byte數據塊可以轉爲字符串，數組可不行 // bufferhelper也就是替你計算了bufLength而已 var chunkAll = Buffer.concat(arrBuf, bufLength); var strJson = iconv.decode(chunkAll,'gb2312'); // 漢字不亂碼 console.log(strJson); }); }); |
GB2312編碼的網頁鏈接有：騰訊主頁；GBK編碼的網頁鏈接有：搜狐主頁。
怎麼查看網頁是哪些編碼呢？可以直接瀏覽器打開然後右鍵查看源代碼，在meta標籤中去查看Content-Type就好了.如下圖.
