現代瀏覽器用FileReader,老版本IE載入adodb.stream用ISO-8859-1~15字元集處理讀取,要註意與Unicode的編碼衝突。new bing會失憶會裝傻。 ...
瀏覽器讀寫文件?
有一份老舊而精巧的代碼(2006或更早),帶js的html,可以只用瀏覽器來處理一些二進位存檔數據。
文件的讀寫怎麼辦?通過變通的方法來完成。
利用十六進位編輯軟體如WinHEX,直接複製十六進位數值為字元串,貼到一個TextArea以輸入;
同樣處理過的數據也是生成十六進位字元串,用WinHEX以ASCII Hex的格式粘貼到新文件中。
很巧妙,也有點繁瑣。
FileReader:
最近找到了該程式的漢化版,也是好多年前的了,發現裡面設計了直接用<input>來載入文件的功能,用的vbs調用Msxml2.XMLHTTP對象來處理。
可是現在的瀏覽器基本不支持vbs了,就想改一下,用js來完成。
上網搜索了一堆,XMLHTTP/XMLHttpRequest的代碼,有些需要伺服器端支持,結果都不理想,或瀏覽器顯示無法創建對象之類的。
剛好new bing的申請也通過了,一番對話式交流,新搜索引擎初試身手,效果不錯,直接給出了示例代碼。
只要是支持HTML5的現代瀏覽器,調用FileReader,那叫一個駕輕就熟!
依葫蘆畫瓢,花了一點功夫也就改造完成了。
這時又回想起一個問題,舊瀏覽器(IE10以下,原網銀的最愛)怎麼辦。
如何相容IE8?
有這個必要嗎?
都3202年了,不支持HTML5、不支持ES6的瀏覽器就該回垃圾堆或封存至博物館!
網銀都終於要求相容Edge啦!
但無聊也是無聊,找了台老電腦遠程其桌面,繼續隨便搜搜“JS讀取本地文本文件 IE8相容”,結果是有一大堆,可大多都是標題黨。
在有些參考資料中,提到使用“Microsoft.XMLDOM”對象,試了好久,更適用於文本數據;
FSO對象貌似也只能OpenTextFile或OpenAsTextStream。
以上方法,讀取到的是文本字元串數據,都少了很多非可列印/顯示字元,當然不行。
還是要用ADODB.Stream,因為它有個方法Read(),可讀取二進位數據流。
ADODB.Stream:
碰到兩個問題:
- 瀏覽器無法創建對象。安全問題,容易給惡意程式隨意讀寫客戶的數據,一般不開放這個功能,改改註冊表,強行開通吧。
- 讀不到二進位數據。在IE8中調試程式,一到adodb.Read()後面,產生的東西卻不是個object,typeof測試一下,unknown...
正想放棄adodb.stream,又搜到一些資料,既然.Read()不行,嚴肅地建議我用.ReadText()。
讀取文本,用來處理二進位數據,這也行?
adodb.stream支持對字元集的轉換處理,剛好有個神奇的字元集系列:
ISO-8859-1~15
ISO-8859-1(Latin1/Windows-1252),MySQL人士比較熟悉,軟體預設的拉丁西歐字元集,它的特點在於對單位元組完全編碼,1Byte=8bit, 它把所有256個碼位全部都排滿了。
所以,可用它存儲任意二進位數據而不會丟失。
至於編碼解碼的處理是另外一回事,後續折騰也是由此……
程式好像改造成功,一個數據也沒少,不管是否為可列印/顯示字元,或者對拉丁來說全是合法字元!
然~~而,讀取的數據好像有幾個地方有差異!不多、但是不同!
換成變體標準ISO-8859-15,差異少了許多,但還是有差異。
十萬個為什麼?
差異原因
為什麼網上的示例代碼對圖像、聲音文件進行複製都不出錯,我載入數據到程式中就有差異?
繼續追蹤調試,找到了端倪,有幾個特定的數據,讀取出來就變了。
比如84就固定轉化為1E、80變AC……
只是文件複製的話,持續沿用ISO-8859 Latin字元集,同一個管道,怎麼In/Out、Read/Write,數據都不會變。
但是一旦用js將數據讀取為數值,在轉化為16進位字元串時,問題出現了。
因JavaScript引擎內部,所有字元都用 Unicode 表示。而Latin1字元集中的某些符號,在Unicode中是多位元組編碼。
而ISO-8859-15中,這樣的字元比較少而已,當然,所處碼位也不同。
比如拉丁字元中用1位元組0x80表示了“€”,而在Unicode中編碼是0x20AC;而“„”則0x84變成了0x201E,等等……
剛好對上!
原二進位數據就這樣被轉換了,編碼衝突,怎麼還原?
再問new bing,多次給出的代碼也存在這個問題,繼續追問Unicode的編碼問題,認錯態度非常好,但是沒有解決方案。
那隻能這樣了:
手工轉換
懶得寫代碼,new bing也不理我。
剛好又搜索到一位國外友人的代碼,問題解決,但是TA用的是CP437字元集,直接把256個字元的編碼做了個對照查詢表,轉換函數非常之長。
我也不想改用437了,直接輸出了ISO-8859-15中00~FF所有字元用js轉換為數值的結果,和原二進位數據相比,也就存在8處不同的Unicode字元嘛,處理過程中查詢修正一下就行了。
幾行搞定!
還是要自己寫……其實也不費力。
示例,讀取並顯示為HEX
<input type="file" id="fileInput" title="Choose a file" onchange="dispHex(this);"/>
<br />
<h1 id='hexh1'>16進位</h1>
<textarea id='display' title='16進位內容顯示' style='width:600px;height:400px;'></textarea>
<script language='javascript' type='text/javascript'>
function dispHex(f){
var hexString = "";
//獲取顯示框
var disp = document.getElementById("display");
if (window.FileReader){
alert("H5");
var file = f.files[0];
var reader = new FileReader();
//添加讀取完成事件
reader.onload = function(e) {
var buffer = e.target.result;
var array = new Uint8Array(buffer);
for (var i = 0; i < array.length; i++) {
//將每個元素轉化為16進位字元串,並補齊兩位,用空格分隔
var s= '0' + array[i].toString(16);
s = s.substr(s.length - 2, 2);
hexString += s;
}
//將字元串顯示在頁面上
disp.textContent = hexString;
};
reader.readAsArrayBuffer(file);
}
else if (typeof window.ActiveXObject != 'undefined') {
alert("IE8及以下,請啟用ActiveX控制項交互!\n如不能打開文件,請將網頁下載至本地運行。\n如何開啟Adodb.Stream請自行搜索……");
var file = f.value; //網頁不在本地,則為fakepath
//f.select();
//file = document.selection.createRange().text
hexString = AdodbReadHexFromFile(file);
disp.value = hexString;
}
else alert("Other!");
}
//使用ActiveX,要求瀏覽器開啟相應功能和安全設置
function AdodbReadHexFromFile(fileURL){
var binStr, hexStr="";
//ADODB方式,需啟用:https://www.cnblogs.com/weiweictgu/archive/2007/03/02/661940.html
var inStream = new ActiveXObject("ADODB.Stream");
inStream.Type = 2; //adTypeBinary = 1,2為Text
inStream.Open();
//Latin1(Windows-1252):ISO-8859-1)單位元組完全編碼
inStream.CharSet = "iso-8859-15";
//轉換結果iso-8859-15比iso-8859-1更接近原數據?更少收錄Unicode中的多位元組符號。
inStream.LoadFromFile(fileURL);
//Read()為二進位數組,可結果typeof=unknown.WHY.?.所以用ReadText變通...
binStr = inStream.ReadText();
inStream.Close();
inStream = null;
//binStr2HEX
//https://www.codeproject.com/articles/17825/reading-and-writing-binary-files-using-jscript
var ISO885915=[8364,352,353,381,382,338,339,376]; //單位元組集中包含的Unicode字元編碼
var HexOrg=['A4','A6','A8','B4','B8','BC','BD','BE']; //上述字元Latin真實16進位值,由比較而來,437/Latin1同理可得
var isoCheckNum=ISO885915.length;
for (var i=0 ; i<binStr.length ; i++) {
var curCode=binStr.charCodeAt(i);
//charCodeAt可能會解釋成多位元組,有字元會被錯誤轉換,如'€',無視CharSet LatinX
//因JavaScript引擎內部,所有字元都用 Unicode 表示
var s,isUnicode=false;
if(curCode>=256){
var j; //IE8不支持indexOf()
for(j=0;j<isoCheckNum;j++) if(curCode==ISO885915[j]) break;
if(j<isoCheckNum) isUnicode=true;
}
if(isUnicode) s=HexOrg[j]; //查表將Unicode字元轉換回正確的單位元組16進位
else{
s= '0' + curCode.toString(16).toUpperCase();
//確保是兩位數的HEX
var bytes = 2;
//var bytes=Math.floor(s.length/2)*2; //多位元組內容處理
s = s.substr(s.length - bytes, bytes);
}
hexStr += s;
}
return hexStr;
}
</script>
後記
ISO-8859之外,還有許多字元集可使用,只要找到衝突編碼並轉換處理即可;
如果要js動態生成文件供瀏覽器下載,現代瀏覽器用blob加createObjectURL輕鬆搞定;
在分離FileReader一段代碼至子函數時,對非同步操作的處理還鬧過小問題,Promise的邏輯還真是有些不適合本中老年;
IE8?不想玩了。
奇怪地是,再過了幾天,問new bing本文類似的問題,它拒絕給出示例代碼,說它不會,說它沒有記憶,說IE8沒法處理這個讀取本地二進位文件的問題……
本文來自博客園,作者:supervisor,轉載請註明原文鏈接:https://www.cnblogs.com/repus/p/17260978.html