&#x开头的是什么编码?

在 Node 层利用cheerio解析网页时，输出的中文内容都是以&#x开头的一堆像乱码一样的东西，尝试过各种编码都无效，而且神奇的是，将这一堆“乱码”保存成网页后，通过浏览器打开又可以正常显示。这到底是什么??？？

缩减后的示例代码如下：

constcheerio=require(‘cheerio‘);

const$=cheerio.load(‘<divid=\"content\">你好</div>‘)
console.log($(‘#content‘).html())//&#x4F60;&#x597D; 

	其实，上面那一堆乱码一样的东西，它的学名叫实体编码 entity code。


	下面引用下知乎搜到的答案。


	在 HTML 中，某些字符是预留的，例如小于号「<」、大于号「>」等，浏览器会将它们视作标签。如果想要在HTML中显示这些预留字符，我们就要用到字符实体（character entities）。我们比较熟悉的字符实体有空格「&nbsp;」，小于号「&lt;」，大于号「&gt;」等。这样的格式比较语义化，容易记忆，但其实字符实体有其他的格式：

&name;&#dddd;&#xhhhh;



			这三种转义方式都称作 character reference，第一种是 character entity reference，「&」符号后接预先定义好的 entity 名称。
		



			后两种是 numeric character reference，数字取值为目标字符的 Unicode code point；以「&#」开头的后接十进制数字，「&#x」开头的后接十六进制数字。
		



	从 HTML4 开始，numeric character reference 以 Unicode 为准，与文档编码无关。「你好」二字分别是 Unicode 字符 U+4F60 和 U+597D，十六进制表示的 code point 数值「4F60」和「597D」，同时也就是十进制的「20320」和「22909」。所以


	在HTML中输入

&#x4F60;&#x597D;&#20320;&#22909;

	都会显示为“你好”。


	知道原因后，那么如何解决上述的问题呢？


	方法一：使用cheerio提供的属性


	cheerio默认会对entity进行decode，我们只需要关闭该功能即可

constcheerio=require(‘cheerio‘);
const$=cheerio.load(‘<divid=\"content\">你好</div>‘,{decodeEntities:false})
console.log($(‘#content‘).html())//你好

方法二：手动decode
functiondecode(str){//一般可以先转换为标准unicode格式（有需要就添加：当返回的数据呈现太多\\\\\\u之类的时）
str=unescape(str.replace(/\\\\u/g,\"%u\"));//再对实体符进行转义
//有x则表示是16进制，$1就是匹配是否有x，$2就是匹配出的第二个括号捕获到的内容，将$2以对应进制表示转换
str=str.replace(/&#(x)?(\\w+);/g,function($,$1,$2){returnString.fromCharCode(parseInt($2,$1?16:10));
});returnstr;
}
附：在线Html实体编码/解码网址：https://config.net.cn/tools/HtmlEncode.html