字符集
一组字符的集合，每个字符都有一个唯一的编号，称为 码点 。字符集的作用是将字符和码点一一对应起来，形成一个对照表。
ASCII
早期计算机起源于美国，ASCII字符集 是为英语设计的。共收录了 128 个字符，其中包括：可见字符（字母、数字、标点符号）和 控制字符（Tab、回车）。
Latin1
Latin1（正式名称是 ISO-8859-1）是一个单字节字符集，也就是说它用 1 个字节（8 bit） 来表示一个字符，因此最多只能表示 256 个字符（0–255） 。能够兼容 ASCII字符集 ，并在其基础上扩展了额外的字符，以支持西欧语言中的特殊字符（如法语、德语、西班牙语等）。
| 范围（十六进制） | 内容说明 |
|---|---|
0x00 – 0x7F | 与 ASCII 完全一致（英文字母、数字、常见标点、控制字符） |
0x80 – 0x9F | 控制字符（很少使用） |
0xA0 – 0xFF | 西欧语言常用字母和符号，比如：é、ñ、ü、©、§、¿ 等 |
GBK
ASCII 字符集 无法兼容中文字符，为解决中文编码问题，设计出了 GBK字符集 ，也被称为国标码，兼容 ASCII 字符集 。GBK字符集 共收录了 21886 个字符，包括汉字（部首、构件）和图形符号。
Unicode
为实现各国语言字符的互通，国际上设计出了 Unicode字符集 ，也被称为万国码，兼容 ASCII字符集 。它包含了3万多个字符。
Base64
由于 ASCII字符集 中包含控制字符，导致并非所有字符都是可见的。为了将二进制数据编码为可见的文本数据，Base64字符集 被推出。它包含 64 个字符，由大小写字母（A-Z、a-z）、数字（0-9）以及两个特殊字符（通常是“+”和“/”）组成，再加上一个用于填充的“=”字符。
编码
编码是指将原始数据（如文本、图片）按照不同的 字符集 转换为二进制数据。反过来，将二进制数据转换回原始数据的过程被称为解码。
UTF-8
最常见的编码方式，使用了 Unicode字符集 进行转换字符，编码输出的二进制长度是1字节~4字节，也就是动态长度。
兼容 ASCII字符集 ，英文占用1个字节。中文字符占用3个字节。
留个悬念：中文在 Unicode字符集 的码点在19968~40959，看起来 2**16 完全够了，而 UTF-8编码 还是规定需要三个字节储存？？？
| 字符 | 码点 | 二进制 |
|---|---|---|
| 我 | 25105 | 01100010 00010001 |
| i | 105 | 01101001 |
| 你 | 20320 | 01001111 01100000 |
如果我们按照上面的二进制储存到文件中：
我i你 ==> 0110001000010001011010010100111101100000
这就遇到一个问题，如何去解析文件中的二进制数据喃？因为UTF-8编码 是动态字节长度的。
当前字符需要解析多少个字节是未知的，比如：
前8位解析Unicode 字符是 b
前16位解析Unicode 字符是 我
前24位解析Unicode 字符是 错误！！
动态字节长度 是 UTF-8编码的特点，也是他必须要解决的问题，所以 UTF-8编码 设置了一套二进制储存规范。
| UTF-8编码「二进制」 | |
|---|---|
| 0xxxxxxxx | 1字节 |
| 110xxxxx 10xxxxxx | 2字节 |
| 1110xxxx 10xxxxxx 10xxxxxx | 3字节 |
| 11110xxx 10xxxxxx 10xxxxxx | 4字节 |
| 字符 | 码点 | 二进制 |
|---|---|---|
| 我 | 25105 | 11100110 10001001 10000001 |
| i | 105 | 01101001 |
| 你 | 20320 | 11100100 10111101 10100000 |
我i你 ==> 11100110100010011000000101101001111001001011110110100000
// 方案1
new TextEncoder().encode("我i你") // Uint8Array(7) [230, 136, 145, 105, 228, 189, 160]
// 方案2
const render = new FileReader()
render.readAsArrayBuffer(new Blob(["我i你"]))
render.onload = function () {
console.log(new Uint8Array(this.result)) // Uint8Array(7) [230, 136, 145, 105, 228, 189, 160]
}
虽然比原始的二进制数据长，但是可以去按照 开头的标识 去解析二进制数据了。
但是也带来一个问题：不是所有的二进制数据都有所对应的 Unicode字符 。但是当二进制数据找不到所对应的 Unicode字符 时，就会发生我们熟知的乱码问题。
比如：10000000
UTF-32
前面聊到 UTF-8编码 的时候，不得不提到 UTF-32编码。不过，UTF-32编码 出现得比 UTF-8编码 早，但后来却逐渐被淘汰了。
UTF-32编码 是一种固定字节的编码方式，不论字符在 Unicode字符集 中处于什么码点，都用 4 字节 来记录。这样做的好处是字符表示简单直接，能涵盖所有 Unicode字符，还避免了像 UTF-8编码 那样需要识别字节前缀的复杂性。
但它的缺点也很明显，那就是太占空间了。每个字符都用 4 字节，即使是简单的 ASCII 字符也不例外，这在存储和传输大量文本时，会带来很大的资源浪费。
所以，尽管 UTF-32编码 在某些特定场景下仍有其价值，但整体上，它还是因为效率和资源占用的问题，逐渐被 UTF-32编码 等方式取代了。
Latin1
Latin1编码 使用的是 Latin1字符集，因为Latin1字符集 只能表示256 个字符（0–255），因此
是 Latin1编码 1字符=1字节。
Base64
Base64编码 使用的是 Base64字符集 ，是一种将数据转换为可打印字符的编码方式，常用于文件、字符串等数据的可视化传递。
-
使用 64个字符（包括大小写字母、数字和特殊符号）作为字符集，确保所有字符都是可视的。
-
Base64编码的每个字符需要 6位 二进制数据。如果在编码过程中，二进制数据的长度不是 6 的倍数，会在二进制数据末尾添加 0 以补足至 6 的倍数。- 示例： A 二进制数据是 01000001，长度是 8，不是 6 的倍数，会在末尾添加 0，变成 010000010000，使其长度成为 6 的倍数。
-
Base64编码的规则要求编码后的字符串长度必须是 4 的倍数。如果编码后的字符串长度不是 4 的倍数，会在末尾添加=作为填充字符，以补足至 4 的倍数。- 示例：
A经过 Base64 编码后得到的字符串是 QQ，其长度为 2，不是 4 的倍数。为了符合 Base64编码的规则，会在末尾添加=，使其变为 QQ==，长度变为 4，是 4 的倍数。
- 示例：
代码实现
Base64 编码
- 在编码时，以 6位 二进制为一组进行分割。如果最后的二进制数量不足 6位，则进行补 0。
- 在编码成功时，判断
Base64长度是否能被 4整除，如果不足 4 个字符，就进行补 =。
// 定义Base64字符集
const base64CharSet = {};
// 初始化Base64字符集，将索引与字符对应
`ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789+/`.split("").forEach((char, index) => base64CharSet[index] = char);
/**
* 将字符串转换为Base64编码
* @param {string} inputStr - 需要转换的字符串
* @returns {string} Base64编码后的字符串
*/
function base64Encode(inputStr) {
// 用于存储最终的Base64编码结果
let base64String = "";
// 将输入字符串的每个字符转换为对应的ASCII码的二进制表示，并拼接成一个长的二进制字符串
// 注意：每个字符的二进制表示需要补足8位
let binaryString = inputStr.split("").map(char => {
return char.charCodeAt().toString(2).padStart(8, '0');
}).join("");
// 如果二进制字符串的长度不是6的倍数，则在末尾补0，使其长度成为6的倍数
if (binaryString.length % 6 !== 0) {
binaryString += "0".repeat(6 - binaryString.length % 6);
}
// 遍历二进制字符串，每6位一组进行处理
for (let index = 0; index < binaryString.length; index += 6) {
// 提取每6位二进制字符
let sixBitSegment = binaryString.substring(index, index + 6);
// 将6位二进制字符转换为十进制索引
let indexInBase64Set = parseInt(sixBitSegment, 2);
// 根据索引从Base64字符集中获取对应的字符，并添加到结果中
base64String += base64CharSet[indexInBase64Set];
}
// 如果Base64编码结果的长度不是4的倍数，则在末尾补“=”字符
if (base64String.length % 4 !== 0) {
base64String += "=".repeat(4 - base64String.length % 4);
}
// 返回最终的Base64编码字符串
return base64String;
}
console.log(base64Encode("hello world!"));
Base64 解码
/**
* 将Base64编码的字符串转换为原始字符串
* @param {string} base64Str - 需要转换的Base64编码字符串
* @returns {string} 解码后的字符串
*/
function base64Decode(base64Str) {
let decodedString = ''; // 用于存储解码后的字符串
// 去除Base64字符串末尾的填充字符("=")
base64Str = base64Str.replace(/=+$/, "");
// 将Base64字符串转换为二进制字符串
let binaryString = base64Str
// 将字符串拆分为字符数组
.split("")
.map(char => {
// 找到字符在Base64字符集中的索引
let index = Object.entries(base64CharSet).find(entry => entry[1] === char)[0];
// 将索引转换为6位二进制字符串
return Number(index).toString(2).padStart(6, '0');
})
// 将所有二进制字符串拼接起来
.join("");
// 去除二进制字符串末尾多余的0（由于去除填充字符可能导致的多余部分）
binaryString = binaryString.slice(0, binaryString.length - binaryString.length % 8);
// 按每8位一组进行处理
for (let i = 0; i < binaryString.length; i += 8) {
// 提取8位二进制字符串
let byteSegment = binaryString.substring(i, i + 8);
// 将8位二进制字符串转换为字符代码
const charCode = parseInt(byteSegment, 2);
// 将字符代码转换为字符，并追加到解码后的字符串中
decodedString += String.fromCharCode(charCode);
}
// 返回解码后的字符串
return decodedString;
}
console.log(base64Decode("aGVsbG8gd29ybGQh"));
疑问
Base64编码 长度不是 4 的倍数时的处理
-
解码时的处理：
=不属于 Base64 字符集， 在解码过程中，解码器会自动识别并去除末尾的=填充字符。例如：
A的Base64码是 QQ==，在解析时，会去除末尾的 = ,变成 QQ。结论：
=不属于 Base64 字符集，仅用于补足长度。在解码时会被去除，因此不会影响解码结果。
Base64编码 转二进制数据长度不是 6 的倍数时，会进行的补位处理，会不会影响到 Base64解码？
-
解码时的处理： 在解码时，解码器会根据实际的
Base64编码长度来确定二进制数据的有效长度，并去除末尾多余的0。例如：
A在 Base64 解析时， 二进制数据为 010000010000，得到的二进制数长度为 12 位，而实际需要的长度为 8 位，那么就会去除末尾的 4 位0。结论：在 Base64 编码转二进制数据时，末尾添加的
0仅用于补足长度。在解码时，这些补位的0会被去除，因此不会影响解码结果。
