在 node 層利用 cheerio 解析網頁時，輸出的中文內容都是以 &#x 開頭的一堆像亂碼一樣的東西，嘗試過各種編碼都無效，而且神奇的是，將這一堆「亂碼」儲存成網頁後，通過瀏覽器開啟又可以正常顯示。這到底是什麼??？？
縮減後的示例**如下：
const cheerio = require(『cheerio『);
const $ = cheerio.load(『你好
『)console.log($(『#content『).html()) //你好
其實，上面那一堆亂碼一樣的東西，它的學名叫實體編碼 entity code。
下面引用下知乎搜到的答案。
在 html 中，某些字元是預留的，例如小於號「<」、大於號「>」等，瀏覽器會將它們視作標籤。如果想要在html中顯示這些預留字元，我們就要用到字元實體（character entities）。我們比較熟悉的字元實體有空格「 」，小於號「<」，大於號「>」等。這樣的格式比較語義化，容易記憶，但其實字元實體有其他的格式：
&name;
&#dddd;
&#xhhhh;
這三種轉義方式都稱作 character reference，第一種是 character entity reference，「&」符號後接預先定義好的 entity 名稱。
後兩種是 numeric character reference，數字取值為目標字元的 unicode code point；以「&#」開頭的後接十進位制數字，「&#x」開頭的後接十六進製制數字。
從 html4 開始，numeric character reference 以 unicode 為準，與文件編碼無關。「你好」二字分別是 unicode 字元 u+4f60 和 u+597d，十六進製制表示的 code point 數值「4f60」和「597d」，同時也就是十進位制的「20320」和「22909」。所以
在html中輸入
你好你好
都會顯示為「你好」。
知道原因後，那麼如何解決上述的問題呢？
方法一：使用cheerio提供的屬性
cheerio缺省會對entity進行decode，我們只需要關閉該功能即可
const cheerio = require(『cheerio『);
const $ = cheerio.load(『你好
『, )
console.log($(『#content『).html()) // 你好
方法二：手動decode
function decode(str) );
return str;
}
編碼通俗解釋
很久很久以前，有一群人，他們決定用8個可以開合的電晶體來組合成不同的狀態，以表示世界上的萬物。他們看到8個開關狀態是好的，於是他們把這稱為 位元組 再後來，他們又做了一些可以處理這些位元組的機器，機器開動了，可以用位元組來組合出很多狀態，狀態開始變來變去。他們看到這樣是好的，於是它們就這機器稱為 計...
onehot編碼解釋
one hot編碼，又稱為一位有效編碼，主要是採用n位狀態暫存器來對n個狀態進行編碼，每個狀態都由他獨立的暫存器位，並且在任意時候只有一位有效。one hot編碼是分類變數作為二進位制向量的表示。這首先要求將分類值對映到整數值。然後，每個整數值被表示為二進位制向量，除了整數的索引之外，它都是零值，它...
常用編碼解釋
計算機是美國人發明的，因此，最早只有127個字元被編碼到計算機裡，也就是大小寫英文本母 數字和一些符號，這個編碼表被稱為ascii編碼，比如大寫字母a的編碼是65，小寫字母z的編碼是122。但是要處理中文顯然乙個位元組是不夠的，至少需要兩個位元組，而且還不能和ascii編碼衝突，所以，中國制定了gb...