如何在JavaScript中使用起止分隔符分割TCP Socket数据包？

单纯用split('>>')处理确实会踩坑——不管是粘包、不完整包，还是数据包里混入起始符的情况，都会导致提取的数据不准确。我来分享一个更可靠的处理方式，核心思路是维护缓冲区+正则匹配完整数据包，完美解决你遇到的问题。

问题根源 #

你当前的方法只按结束符>>分割，完全没考虑：

• TCP是流式传输，一个完整的数据包可能被拆成多个chunk发送
• 收到的数据流里可能包含不完整的包（比如<<da）
• 数据包中可能嵌套起始符（比如<<da<<data>>），此时split会把整个<<da<<data当成一个无效块，无法提取里面的完整<<data>>内容

解决方案：缓冲区+正则匹配 #

我们可以维护一个缓冲区来积累所有收到的数据流，然后用正则匹配所有完整的<<...>>块，同时保留未处理的不完整数据，等后续数据流到来后再处理。

代码示例：

// 维护缓冲区，存储未处理的剩余数据
let buffer = '';

socket.on('data', (chunk) => {
  // 将新收到的chunk转成字符串，追加到缓冲区
  buffer += chunk.toString('utf8'); // 根据你的实际编码调整，比如'utf16le'

  // 用惰性正则匹配所有完整的 <<...>> 数据包
  // 惰性匹配(.*?)会优先匹配最近的>>，避免把多个包当成一个
  const packetRegex = /<<(.*?)>>/g;
  let matchResult;

  // 循环提取所有完整的数据包内容
  while ((matchResult = packetRegex.exec(buffer)) !== null) {
    const extractedData = matchResult[1];
    // 这里处理你提取到的数据
    console.log('提取到有效数据:', extractedData);
  }

  // 更新缓冲区：只保留未处理的不完整部分
  // 找到最后一个>>的位置，截断之后的内容会被保留（可能是不完整的包）
  const lastEndMarkerIndex = buffer.lastIndexOf('>>');
  if (lastEndMarkerIndex !== -1) {
    buffer = buffer.slice(lastEndMarkerIndex + 2);
  }

  // 额外处理：如果缓冲区开头不是<<，说明是无效的垃圾数据，直接截断到第一个<<的位置
  const firstStartMarkerIndex = buffer.indexOf('<<');
  if (firstStartMarkerIndex > 0) {
    buffer = buffer.slice(firstStartMarkerIndex);
  }
});

代码解释 #

1. 缓冲区维护：所有收到的数据流都会先存在buffer里，避免因为TCP拆包导致的不完整数据丢失。
2. 正则匹配：/<<(.*?)>>/g是惰性匹配正则，会精准识别每一个完整的<<...>>块——哪怕数据包里嵌套了<<，也只会提取最外层<<和最近>>之间的内容（比如<<da<<data>>会提取data，剩下的<<da留在缓冲区）。
3. 缓冲区清理：处理完所有完整包后，只保留最后一个>>之后的内容（可能是不完整的包），同时清理开头的无效数据，保证缓冲区里只存有用的待处理数据。

测试场景验证 #

• 当收到<<data>><<data>><<data>>时，会一次性提取三个data
• 当收到<<da<<data>>时，会提取data，缓冲区保留<<da，等后续收到ta>>后，会自动组合成<<data>>并提取data
• 当收到不完整包<<da时，数据会存在缓冲区，直到后续收到完整的ta>>再处理

内容的提问来源于stack exchange，提问作者Gabriel Ferreira