Como decodifico uma string com Unicode de escape?

Não tenho certeza de como é chamado, então estou tendo problemas para pesquisar. Como posso decodificar uma string com Unicode de http\u00253A\u00252F\u00252Fexample.compara http://example.comcom JavaScript? Eu tentei unescape, decodeURIe decodeURIComponententão acho que a única coisa que resta é a substituição da corda.

EDIT: A string não é digitada, mas sim uma substring de outro trecho de código. Portanto, para resolver o problema, você deve começar com algo assim:

var s = 'http\\u00253A\\u00252F\\u00252Fexample.com';

Espero que isso mostre por que unescape () não funciona.

Editar (12-10-2017) :

@MechaLynx e @ Kevin-Weber observam que unescape()foi descontinuado em ambientes sem navegador e não existe no TypeScript. decodeURIComponenté um substituto imediato. Para uma compatibilidade mais ampla, use o seguinte:

decodeURIComponent(JSON.parse('"http\\u00253A\\u00252F\\u00252Fexample.com"'));
> 'http://example.com'

Resposta original:

unescape(JSON.parse('"http\\u00253A\\u00252F\\u00252Fexample.com"'));
> 'http://example.com'

Você pode descarregar todo o trabalho para JSON.parse

ATUALIZAÇÃO : Por favor, note que esta é uma solução que deve ser aplicada a navegadores mais antigos ou plataformas sem navegadores e é mantida ativa para fins de instrução. Consulte a resposta de @radicand abaixo para obter uma resposta mais atualizada.

Esta é uma string unicode com escape. Primeiro, a string foi escapada e, em seguida, codificada com Unicode. Para converter de volta ao normal:

var x = "http\\u00253A\\u00252F\\u00252Fexample.com";
var r = /\\u([\d\w]{4})/gi;
x = x.replace(r, function (match, grp) {
    return String.fromCharCode(parseInt(grp, 16)); } );
console.log(x);  // http%3A%2F%2Fexample.com
x = unescape(x);
console.log(x);  // http://example.com

Para explicar: eu uso uma expressão regular para procurar \u0025. No entanto, como preciso apenas de uma parte dessa string para minha operação de substituição, uso parênteses para isolar a parte que vou reutilizar 0025,. Essa parte isolada é chamada de grupo.

A giparte no final da expressão indica que ela deve corresponder a todas as instâncias da string, não apenas à primeira, e que a correspondência deve ser insensível a maiúsculas e minúsculas. Isso pode parecer desnecessário dado o exemplo, mas adiciona versatilidade.

Agora, para converter de uma string para a próxima, preciso executar algumas etapas em cada grupo de cada correspondência, e não posso fazer isso simplesmente transformando a string. Felizmente, a operação String.replace pode aceitar uma função, que será executada para cada correspondência. O retorno dessa função substituirá a própria correspondência na string.

Eu uso o segundo parâmetro que esta função aceita, que é o grupo que preciso usar, e transformo-o na sequência utf-8 equivalente e, em seguida, uso a unescapefunção interna para decodificar a string em sua forma adequada.

Observe que o uso de unescape()está obsoleto e não funciona com o compilador TypeScript, por exemplo.

Com base na resposta de Radicand e na seção de comentários abaixo, aqui está uma solução atualizada:

var string = "http\\u00253A\\u00252F\\u00252Fexample.com";
decodeURIComponent(JSON.parse('"' + string.replace(/\"/g, '\\"') + '"'));

http://example.com

Não tenho representante suficiente para colocar isso em comentários às respostas existentes:

unescapesó está obsoleto para trabalhar com URIs (ou qualquer utf-8 codificado), o que provavelmente é o caso para as necessidades da maioria das pessoas. encodeURIComponentconverte uma string js em UTF-8 de escape e decodeURIComponentsó funciona em bytes UTF-8 de escape. Ele lança um erro para algo como decodeURIComponent('%a9'); // errorporque ascii estendido não é utf-8 válido (mesmo que ainda seja um valor Unicode), enquanto unescape('%a9'); // ©So você precisa saber seus dados ao usar decodeURIComponent.

decodeURIComponent não funcionará em "%C2"nenhum byte solitário 0x7fporque em utf-8 isso indica parte de um substituto. No entanto, o decodeURIComponent("%C2%A9") //gives you ©Unescape não funcionaria corretamente nisso // ©E não geraria um erro, então o unescape pode levar a um código com erros se você não souber seus dados.

Usar JSON.decodepara isso tem desvantagens significativas, das quais você deve estar ciente:

• Você deve envolver a string entre aspas duplas
• Muitos caracteres não são suportados e devem ser escapados. Por exemplo, passar qualquer um dos seguintes para JSON.decode(depois de envolvê-los em aspas) irá erro mesmo que estes são todos válidos: \\n, \n, \\0,a"a
• Não suporta escapes hexadecimais: \\x45
• Não suporta sequências de pontos de código Unicode: \\u{045}

Existem outras advertências também. Essencialmente, usar JSON.decodepara esse propósito é um hack e não funciona da maneira que você sempre esperava. Você deve usar a JSONbiblioteca para lidar com JSON, não para operações de string.

Recentemente, eu mesmo tive esse problema e queria um decodificador robusto, então acabei escrevendo um sozinho. Está completo e exaustivamente testado e está disponível aqui: https://github.com/iansan5653/unraw . Ele imita o padrão JavaScript o mais próximo possível.

Explicação:

A fonte tem cerca de 250 linhas, então não vou incluir tudo aqui, mas basicamente ele usa o seguinte Regex para encontrar todas as sequências de escape e depois as analisa usando parseInt(string, 16)para decodificar os números de base 16 e String.fromCodePoint(number)obter o caractere correspondente:

/\\(?:(\\)|x([\s\S]{0,2})|u(\{[^}]*\}?)|u([\s\S]{4})\\u([^{][\s\S]{0,3})|u([\s\S]{0,4})|([0-3]?[0-7]{1,2})|([\s\S])|$)/g

Comentado (OBSERVAÇÃO: esta regex corresponde a todas as sequências de escape, incluindo as inválidas. Se a string gerasse um erro em JS, ela geraria um erro em minha biblioteca [ou seja, '\x!!'erro de erro]):

/
\\ # All escape sequences start with a backslash
(?: # Starts a group of 'or' statements
(\\) # If a second backslash is encountered, stop there (it's an escaped slash)
| # or
x([\s\S]{0,2}) # Match valid hexadecimal sequences
| # or
u(\{[^}]*\}?) # Match valid code point sequences
| # or
u([\s\S]{4})\\u([^{][\s\S]{0,3}) # Match surrogate code points which get parsed together
| # or
u([\s\S]{0,4}) # Match non-surrogate Unicode sequences
| # or
([0-3]?[0-7]{1,2}) # Match deprecated octal sequences
| # or
([\s\S]) # Match anything else ('.' doesn't match newlines)
| # or
$ # Match the end of the string
) # End the group of 'or' statements
/g # Match as many instances as there are

Exemplo

Usando essa biblioteca:

import unraw from "unraw";

let step1 = unraw('http\\u00253A\\u00252F\\u00252Fexample.com');
// yields "http%3A%2F%2Fexample.com"
// Then you can use decodeURIComponent to further decode it:
let step2 = decodeURIComponent(step1);
// yields http://example.com