node readFile读html乱码,有时候Node.js爬虫采集到的数据有少数汉字乱码，不知道怎么解决?...

乱码原因是传输数据时 buffer 的拼接问题！

例如以下写法：var data = "";

res.on("data" , function(chunk){

data += chunk;

});

如果爬取的数据的中文数据量比较小，一般显示是正常的。但当爬取的数据量较大时，很有可能出现部分汉字会乱码现象。

产生原因：

在默认的情况下 trunk 是一个 Buffer 对象，而data += trunk

的实质上隐藏了 toString 的变换的：data = data.toString() + trunk.toString();

由于汉字不是用一个字节来存储的，如果某一块 buffer 传输的恰好不完整，将会导致有被截破的汉字的存在，于是出现乱码。

解决方法：

先用一个数组把所有 buffer 保存起来，同时记录 buffer 的总长度。

数据传输完毕的时，再通过 Buffer.concat 方法把所有 buffer 拼接。

最后，用 toString 方法转成字符串，这时获取的 data 数据就是正确的了。var chunks = [], size = 0;

res.on("data" , function(chunk){

chunks.push(chunk);

size += chunk.length;

});

res.on("end" , function(){

var buffer = Buffer.concat(chunks, size);

var html = buffer.toString();

});

// 在更细腻的 buffer 连接方式:res.on('end', function () {

var buffer = null;

switch(buffers.length) {

case 0:

buffer = new Buffer(0);

break;

case 1:

buffer = buffers[0];

break;

default:

buffer = new Buffer(size);

for (var i = 0, pos = 0, l = buffers.length; i 

var chunk = buffers[i];

chunk.copy(buffer, pos);

pos += chunk.length;

}

break;

}

var html = buffer.toString();

});