Node.js 爬虫程序汉字乱码的原因：buffer 的拼接问题！

Node.js 爬虫程序汉字乱码的原因：如果确定字符编码没有问题，那么就是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 < l; i++) {
                var chunk = buffers[i];
                chunk.copy(buffer, pos);
                pos += chunk.length;
            }
        break;
    }
    var html = buffer.toString();
});