【已解决】一个javascript中显示乱码
【背景】
在分析163博客的html源码中，看到对应的js脚本代码：
<script type=”text/javascript” src=”http://b1.bst.126.net/newpage/r/j/ec.js?v=6827128336“>
</script>
<script type=”text/javascript” src=”http://b1.bst.126.net/newpage/r/j/m/m-1/pm.js?v=1262458879“>
</script>
然后就去下载了下来，但是其中包括的中文却是乱码。
【解决过程】
1.当前用的文本编辑器是notepad++，此时默认用的utf-8的编码，
然后去转换成了GB2312编码，结果还是显示乱码。
2.python中，尝试了如下内容：
其中的用 print u”评论”，所得到的结果，就是当前所看到的乱码。
看起来像是本来utf-8的编码，然后在gb18030的模式下显示出来的乱码。
而对于评论这四个字符，对应的utf-8的编码是上述的’xc3x86xc3x80xc3x82xc3x9b’，也和我用notepad++通过Hex模式所查看到的那几个乱码所对应的编码，是一致的，所以看起来，这个乱码的内容，本身包含的就是utf-8编码才对。
不过很怪的是，单独建立一个文本，使用utf-8，带BOM或不带BOM，所得编码，又都不是’xc3x86xc3x80xc3x82xc3x9b’了。
其中‘评论’的不带BOM的utf-8编码为：e8 af 84 e8 ae ba
2. 同时，上述结果可以看出，不允许对u’评论’进行gb2312和bgk编码，看起来像是“评论”这两个中文字符，在GB2312和GBK中没有包含，但是觉得这个结论，貌似也不像啊，怎么说GB2312和GBK，至少应该已包含这两个字符才对。
但是至少，应该去试试GB18030编码的显示，是否正确。
然后网上下载了个最新版本的notepad2，其中支持GB18030，但是去试了，也还是无法正常显示。
3.虽然不能显示，但是至少摸索到一个小规则，那就是去python中
print u”阅读全文”，即可得到“阅读全文”这四个字符，所对应的乱码，然后可以通过搜索乱码，得到对应的“阅读全文”所对应的位置。
不过，倒是让我突然想起了之前的这个帖子：
【已解决】python中文字符乱码（GB2312，GBK，GB18030相关的问题）
http://againinput4.blog.163.com/blog/static/1727994912011111011432810/
然后去尝试在调用beautifulsoup的时候，传递对应的编码：
soup = BeautifulSoup(page, fromEncoding=”GB18030“)
而解决了问题。
因为beautifulsoup去解析html源码的时候，会自动根据头部的charset去尝试解码，而此处由于本身js中没有charset指定，或者是像之前那样，网易的页面，本身指定的的gb2312，实际上用到了GBK，甚至gb18030，那么，就需要我们调用beautifulsoup的时候，手动指定正确的编码，然后beautifulsoup解析后的结果，才是正常的，否则就会出现乱码问题。
【总结】
网页显示乱码，如果没有经过其他处理，那么要自己去文本类编辑器，尝试不同编码。
如果已经经过一些处理，比如我这里的经过了beautifulsoup处理，那么要小心这类工具，是否需要指定编码等额外需要考虑的事情。
都考虑到位了，才不会出现乱码问题。
转载请注明：在路上 » 【已解决】一个javascript中显示乱码