Python默认编码后以UTF-16解码所得特殊字符串名称及JS复现方法

你观察到的这类无实际语义的汉字字符串，是端序错配产生的经典解码乱码，不存在独立的专项命名，核心形成逻辑是：

• 初始字符串首先按UTF-8规则编码为连续单字节流（对应Python中str.encode()的默认行为）
• 程序在解码时，没有校验字节流开头的BOM标记，直接默认按小端序UTF-16规则，每2个连续字节拼凑为一个16位Unicode码位完成解码
• 由于UTF-8编码下的英文字符均为单字节长度，每两个相邻字节拼凑出的数值恰好大量落在CJK统一汉字的码位区间，最终输出的内容就会呈现为一串看似随机的汉字。

要完全对齐Python示例的执行效果，需要严格匹配Python两个核心步骤的默认行为，不能直接套用JS内置的通用解码API，完整实现逻辑如下：

function replicateMisdecode(inputStr) {
  // 1. 按UTF-8编码输入字符串，对齐Python str.encode() 默认行为
  const utf8Bytes = new TextEncoder().encode(inputStr);
  let output = '';
  // 2. 按小端序规则每2个字节拼装为UTF-16码位，对齐Python无BOM时utf-16解码的默认行为
  for (let i = 0; i < utf8Bytes.length; i += 2) {
    const lowByte = utf8Bytes[i];
    // 奇数长度字符串自动补0凑组，匹配Python解码时的边界处理逻辑
    const highByte = i + 1 < utf8Bytes.length ? utf8Bytes[i + 1] : 0;
    const codePoint = (highByte << 8) | lowByte;
    output += String.fromCharCode(codePoint);
  }
  return output;
}

// 测试调用，和Python示例输入对齐
console.log(replicateMisdecode("some random string"))
// 输出与Python完全一致：潳敭爠湡潤瑳楲杮

• 不要直接使用JS内置的TextDecoder('utf-16')实现复现：该API处理无BOM标记的字节流时，默认采用大端序解码，和Python无BOM时默认小端序的规则存在行为差异，直接调用会得到完全不同的乱码结果
• 这类乱码没有特殊的存储结构或专有格式，本质只是解码逻辑错配产生的临时字符串，不需要特殊的解析规则
• 边界场景下，当输入字符串长度为奇数时，Python会在字节流末尾补一个0字节凑成整数组完成解码，JS实现中需要补该逻辑才能完全对齐行为

内容的提问来源于stack exchange，提问作者Clément Guibout