Node.js Cheerio 解析器破坏了 UTF-8 编码

Question

我用 Cheerio 解析我的请求，如下所示:

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，但使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

目标网址链接编码为 UTF-8 格式。那么为什么 Cheerio 会破坏我的编码呢？

尝试使用 iconv 来编码我的 body react :

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

但是 console.log($(".description").html()); 仍然返回奇怪的文本。

Answer 1

Cheerio 没有破坏任何东西。它正在输出 HTML entities ，它将被任何浏览器呈现与 HTML 输入完全相同。运行此代码段以了解我的意思:

<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 是将字符 У 编码为 HTML 实体，与实体 > 的方式相同代表>。

但是，如果要获取未编码的文本，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>