unescape - Decodificar UTF-8 con Javascript

javascript html entities to utf 8

Question

Tengo Javascript en una página web XHTML que está pasando cadenas codificadas en UTF-8. Necesita continuar aprobando la versión UTF-8, así como también decodificarla. ¿Cómo es posible decodificar una cadena UTF-8 para mostrar?

<script type="text/javascript">
// <![CDATA[
function updateUser(usernameSent){
    var usernameReceived = usernameSent; // Current value: Größe
    var usernameDecoded = usernameReceived;  // Decode to: Größe
    var html2id = '''';
    html2id += ''Encoded: '' + usernameReceived + ''<br />Decoded: '' + usernameDecoded;
    document.getElementById(''userId'').innerHTML = html2id;
}
// ]]>
</script>

Answer 1

// Cadena a Utf8 ByteBuffer

function strToUTF8(str){
  return Uint8Array.from(encodeURIComponent(str).replace(/%(..)/g,(m,v)=>{return String.fromCodePoint(parseInt(v,16))}), c=>c.codePointAt(0))
}

// Utf8 ByteArray a cadena

function UTF8toStr(ba){
  return decodeURIComponent(ba.reduce((p,c)=>{return p+''%''+c.toString(16),''''}))
}

Answer 2

Actualiza la condición de suma de respuesta de @ Albert para emoji.

function Utf8ArrayToStr(array) {
    var out, i, len, c;
    var char2, char3, char4;

    out = "";
    len = array.length;
    i = 0;
    while(i < len) {
    c = array[i++];
    switch(c >> 4)
    { 
      case 0: case 1: case 2: case 3: case 4: case 5: case 6: case 7:
        // 0xxxxxxx
        out += String.fromCharCode(c);
        break;
      case 12: case 13:
        // 110x xxxx   10xx xxxx
        char2 = array[i++];
        out += String.fromCharCode(((c & 0x1F) << 6) | (char2 & 0x3F));
        break;
      case 14:
        // 1110 xxxx  10xx xxxx  10xx xxxx
        char2 = array[i++];
        char3 = array[i++];
        out += String.fromCharCode(((c & 0x0F) << 12) |
                       ((char2 & 0x3F) << 6) |
                       ((char3 & 0x3F) << 0));
        break;
     case 15:
        // 1111 0xxx 10xx xxxx 10xx xxxx 10xx xxxx
        char2 = array[i++];
        char3 = array[i++];
        char4 = array[i++];
        out += String.fromCodePoint(((c & 0x07) << 18) | ((char2 & 0x3F) << 12) | ((char3 & 0x3F) << 6) | (char4 & 0x3F));

        break;
    }

    return out;
}

Answer 3

Aquí hay una solución que maneja todos los puntos de código Unicode que incluyen valores superiores (4 bytes) y es compatible con todos los navegadores modernos (IE y otros> 5.5). Utiliza decodeURIComponent (), pero NO las funciones de escape / unescape obsoletas:

function utf8_to_str(a) {
    for(var i=0, s=''''; i<a.length; i++) {
        var h = a[i].toString(16)
        if(h.length < 2) h = ''0'' + h
        s += ''%'' + h
    }
    return decodeURIComponent(s)
}

Probado y disponible en GitHub

Para crear UTF-8 a partir de una cadena:

function utf8_from_str(s) {
    for(var i=0, enc = encodeURIComponent(s), a = []; i < enc.length;) {
        if(enc[i] === ''%'') {
            a.push(parseInt(enc.substr(i+1, 2), 16))
            i += 3
        } else {
            a.push(enc.charCodeAt(i++))
        }
    }
    return a
}

Probado y disponible en GitHub

Answer 4

Busqué una solución simple y esto funciona bien para mí:

//input data
view = new Uint8Array(data);

//output string
serialString = ua2text(view);

//convert UTF8 to string
function ua2text(ua) {
    s = "";
    for (var i = 0; i < ua.length; i++) {
        s += String.fromCharCode(ua[i]);
    }
    return s;               
}

El único problema que tengo es que a veces tengo un personaje a la vez. Esto podría ser por diseño con mi fuente del arraybuffer. Estoy usando https://github.com/xseignard/cordovarduino para leer datos en serie en un dispositivo Android.

Answer 5

Creo que la manera más fácil sería usar las funciones js incorporadas decodeURI () / encodeURI ().

function (usernameSent) {
  var usernameEncoded = usernameSent; // Current value: utf8
  var usernameDecoded = decodeURI(usernameReceived);  // Decoded
  // do stuff
}

Answer 6

Esto debería funcionar:

// http://www.onicos.com/staff/iz/amuse/javascript/expert/utf.txt

/* utf.js - UTF-8 <=> UTF-16 convertion
 *
 * Copyright (C) 1999 Masanao Izumo <[email protected]>
 * Version: 1.0
 * LastModified: Dec 25 1999
 * This library is free.  You can redistribute it and/or modify it.
 */

function Utf8ArrayToStr(array) {
    var out, i, len, c;
    var char2, char3;

    out = "";
    len = array.length;
    i = 0;
    while(i < len) {
    c = array[i++];
    switch(c >> 4)
    { 
      case 0: case 1: case 2: case 3: case 4: case 5: case 6: case 7:
        // 0xxxxxxx
        out += String.fromCharCode(c);
        break;
      case 12: case 13:
        // 110x xxxx   10xx xxxx
        char2 = array[i++];
        out += String.fromCharCode(((c & 0x1F) << 6) | (char2 & 0x3F));
        break;
      case 14:
        // 1110 xxxx  10xx xxxx  10xx xxxx
        char2 = array[i++];
        char3 = array[i++];
        out += String.fromCharCode(((c & 0x0F) << 12) |
                       ((char2 & 0x3F) << 6) |
                       ((char3 & 0x3F) << 0));
        break;
    }
    }

    return out;
}

Mira la demostración de JSFiddle .

También vea las preguntas relacionadas: here y here

Answer 7

La solución de @albert fue lo más parecido que creo, pero solo puede analizar hasta 3 bytes de caracteres utf-8.

function utf8ArrayToStr(array) {
  var out, i, len, c;
  var char2, char3;

  out = "";
  len = array.length;
  i = 0;

  // XXX: Invalid bytes are ignored
  while(i < len) {
    c = array[i++];
    if (c >> 7 == 0) {
      // 0xxx xxxx
      out += String.fromCharCode(c);
      continue;
    }

    // Invalid starting byte
    if (c >> 6 == 0x02) {
      continue;
    }

    // #### MULTIBYTE ####
    // How many bytes left for thus character?
    var extraLength = null;
    if (c >> 5 == 0x06) {
      extraLength = 1;
    } else if (c >> 4 == 0x0e) {
      extraLength = 2;
    } else if (c >> 3 == 0x1e) {
      extraLength = 3;
    } else if (c >> 2 == 0x3e) {
      extraLength = 4;
    } else if (c >> 1 == 0x7e) {
      extraLength = 5;
    } else {
      continue;
    }

    // Do we have enough bytes in our data?
    if (i+extraLength > len) {
      var leftovers = array.slice(i-1);

      // If there is an invalid byte in the leftovers we might want to
      // continue from there.
      for (; i < len; i++) if (array[i] >> 6 != 0x02) break;
      if (i != len) continue;

      // All leftover bytes are valid.
      return {result: out, leftovers: leftovers};
    }
    // Remove the UTF-8 prefix from the char (res)
    var mask = (1 << (8 - extraLength - 1)) - 1,
        res = c & mask, nextChar, count;

    for (count = 0; count < extraLength; count++) {
      nextChar = array[i++];

      // Is the char valid multibyte part?
      if (nextChar >> 6 != 0x02) {break;};
      res = (res << 6) | (nextChar & 0x3f);
    }

    if (count != extraLength) {
      i--;
      continue;
    }

    if (res <= 0xffff) {
      out += String.fromCharCode(res);
      continue;
    }

    res -= 0x10000;
    var high = ((res >> 10) & 0x3ff) + 0xd800,
        low = (res & 0x3ff) + 0xdc00;
    out += String.fromCharCode(high, low);
  }

  return {result: out, leftovers: []};
}

Esto devuelve {result: "parsed string", leftovers: [list of invalid bytes at the end]} en caso de que esté analizando la cadena en fragmentos.

EDIT: solucionó el problema que encontró @unhammer.

Answer 8

Para responder la pregunta original: así es como decodifica utf-8 en javascript:

http://ecmanaut.blogspot.ca/2006/07/encoding-decoding-utf8-in-javascript.html

Específicamente,

function encode_utf8(s) {
  return unescape(encodeURIComponent(s));
}

function decode_utf8(s) {
  return decodeURIComponent(escape(s));
}

Acabo de usar esto en mi código, y funciona perfectamente.

Answer 9

Tal vez usar el textDecoder sea ​​suficiente.

Sin embargo, no es compatible con todos los navegadores. Pero podría ser suficiente si utiliza el cruce de peatones o cualquier otro caso de uso donde sepa qué navegador se utiliza.

var decoder = new TextDecoder(''utf-8''),
    decodedMessage;

decodedMessage = decoder.decode(message.data);