TypeScript读取XML转Base64后乱码问题排查

在基于PlayWright + TypeScript + Cucumber构建的项目中，开发读取XML文件、格式化后编码为带填充Base64的功能时，已实现读取与编码逻辑，但解码后出现大量乱码。相同代码在另一仓库可正常运行，怀疑是当前仓库配置或依赖包版本问题，以下是具体排查方向：

具体实现细节 #

1. XML文件内容

<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<DataContent xmlns="http://esw.vlv.com/somecontent" xmlns:ns6="http://esw.vlv.com/somecontent" xmlns:ns5="http://esw.vlv.com/somecontent" xmlns:ns8="http://esw.vlv.com/somecontent" xmlns:ns7="http://esw.vlv.com/somecontent" xmlns:ns9="http://esw.vlv.com/somecontent" xmlns:ns11="http://somecontent.com/somecontent/1_1" xmlns:ns10="http://vcg.somecontent.com/somecontent" xmlns:ns4="http://esw.vlv.com/somecontent" schemaVersion="2.7">
    <Status>
        <DataCompleted/>
    </Status>
    <Messages>
        <Message>
            <ReasonCode>33</ReasonCode>
            <ReasonDesc>Info:</ReasonDesc>
            <ReasonDesc>Val = 2</ReasonDesc>
            <ReasonDesc>BLE = 1234567890</ReasonDesc>
            <ReasonDesc>BLA = SOMETHING 12345</ReasonDesc>
        </Message>
    </Messages>
    <DataContentOutputs>
        <DataContentOutput>
            <Inputs>
                <Input>
                    <InputVal schemaVersion="2.1" InputCode="BLAP2">
                        <ns5:Val>
                            <ns4:Bool>true</ns4:Bool>
                        </ns5:Val>
                    </InputVal>
                </Input>
            </Inputs>
            <FailedInputs/>
        </DataContentOutput>
    </DataContentOutputs>
</DataContent> 

2. 读取并格式化XML的代码

const stringFileContent= fs.readFileSync(filePathGoesHere, 'utf-8')
const xmlFileContent = xmlFormat(stringFileContent, {
            indentation: '  ', 
            collapseContent: true, 
            lineSeparator: '\r\n'
        })

3. Base64编码逻辑

const xmlEncoded = this.xmlEncodeBase64WithPadding(xmlFileContent)

private xmlEncodeBase64WithPadding(content: any){
    const encodedBytes = Buffer.from(content, 'utf-8').toString('base64');
    let encodedStr = encodedBytes;

    // Add padding if necessary
    const paddingNeeded = encodedStr.length % 4;
    if (paddingNeeded) {
        encodedStr += '='.repeat(4 - paddingNeeded);
    }

    return encodedStr;
} 

4. 乱码现象
   解码后出现类似「熖煆V%Ǘ5&W7VLJ3У´FF6ö熖煦W÷'C」的不可识别字符，XML片段大量损坏。

排查方向 #

• 依赖与环境版本对比
  • 对比两个仓库的package.json，重点检查XML格式化库（如xml-formatter）的版本，不同版本可能在字符串处理、编码保留上有差异。
  • 确认Node.js版本是否一致：Buffer的编码逻辑在不同Node版本中可能存在细微差异，尤其是UTF-8字符的处理。
• 文件读取阶段验证
  • 读取文件后直接打印stringFileContent，确认原始内容是否已出现乱码，排除文件实际编码与读取指定编码（utf-8）不匹配的问题（比如文件实际是GBK编码）。
  • 执行Buffer.from(stringFileContent).toString('utf-8')二次转换后检查内容，验证读取时的编码是否被正确解析。
• XML格式化过程检查
  • 打印格式化后的xmlFileContent，对比原XML内容，确认是否引入了不可见字符、错误换行符，或修改了XML的UTF-8编码声明。
  • 检查格式化库的配置参数，比如lineSeparator: '\r\n'是否在当前环境下被错误处理为其他字符。
• Base64编码逻辑验证
  • 移除手动添加padding的代码：Buffer.toString('base64')会自动生成符合规范的带padding字符串，手动添加可能导致重复padding，引发解码错误。
  • 复制xmlFileContent到在线Base64工具编码后解码，若结果正常，说明当前环境下的Buffer处理存在异常。
• 项目配置差异排查
  • 对比两个仓库的tsconfig.json，重点检查target、charset、module等配置，低版本target可能导致字符串处理逻辑差异。
  • 检查是否存在Babel或其他转译工具，转译后的代码是否篡改了字符串或Buffer的原生处理逻辑。
  • 排查项目中是否有全局polyfill对Buffer进行了重写，导致编码逻辑异常。

内容的提问来源于stack exchange，提问作者Chewie