用記事本分別用三種編碼保存同一個內容
文件內容：中國ABC
保存編碼：ANSI
文件長度：9=2+2+ 1+1+1+ 1+1
具體內容：
D6 D0 B9 FA 41 42 43 0D - 0A
保存編碼：UniCode
文件長度：16=2+ 2+2+ 2+2+2+ 2+2
具體內容：FF FE 2D 4E FD 56 41 00 - 42 00 43 00 0D 00 0A 00
保存編碼：UTF-8
文件長度：14=3+ 3+3+ 1+1+1+ 1+1
具體內容：EF BB BF E4 B8 AD E5 9B - BD 41 42 43 0D 0A
結論：
ANSI保存中文就是GB2312的編碼，英文一個字節
UniCode前面有兩個引導符，然後中文、英文都是兩個字節，英文就是ANSI前面加00而成（保存時，低位在前，高位在後）
接著，我再測試JavaScript中的幾個編碼轉換工具是干什麼用的。
<html>
<body>
<script>
alert(escape("中"));
//顯示 %u4E2D
alert(unescape("%u4E2D"));
//顯示 中
alert(encodeURI("中"));
//顯示 %E4%B8%AD
alert(decodeURI("%E4%B8%AD"));
//顯示 中
alert("中".charCodeAt(0));
//顯示 20013
alert("中".charCodeAt(0).toString(16));
//顯示 4e2d
</script>
</body>
</html>
結論：IE中，總是以UniCode來保存。escape可以實現字符串到UniCode碼的轉換。encodeURI可以實現字符串到UTF-8碼的轉換。
現在的目標是，要在JavaScript中正確讀取UTF-8的文件。
先列出讀取文件的代碼測試結果：
<html>
<body>
<script>
var fso, ts;
var ForReading = 1;
var TristateTrue = true; //打開Unicode文件時用
var TristateFalse = false; //打開ANSI文件時用
fso = new ActiveXObject("Scripting.FileSystemObject");
ts = fso.OpenTextFile("c:\\testfile.txt", ForReading, false, TristateTrue); //文件內容：中國ABC
var c1 = ts.ReadLine();
document.writeln("第一個字：" + c1.charCodeAt(0).toString(16));
ts.Close();
</script>
</body>
</html>
當文件用ANSI編碼保存時：
用TristateFalse打開時第一個字為：4e2d（正確）
用TristateTrue打開則為：d0d6（原始內容）
當文件用Unicode編碼保存時：
用TristateFalse打開時第一個字為：f8f5
用TristateTrue打開第一個字為：4e2d（正確）
當文件用UTF-8編碼保存時：
用TristateFalse打開時第一個字為：9518
用TristateTrue打開則為：bbef（原始內容）
可以得知TristateFalse針對ANSI的，TristateTrue針對UniCode的。而UTF-8沒有對應的，但如果用TristateTrue，可以讀出原始的值。如果再把原始值編碼為%E4%B8%AD，就可以用decodeURI轉換結果了。
最後的代碼如下：
讓JavaScript讀取UTF-8編碼的文件
<html>
<body>
<script>
var fso, ts;
var ForReading = 1;
var TristateTrue = true; //打開Unicode文件時用
var TristateFalse = false; //打開ANSI文件時用
fso = new ActiveXObject("Scripting.FileSystemObject");
ts = fso.OpenTextFile("c:\\testfile2.txt", ForReading, false, TristateTrue); //中國ABC
var c1 = ts.ReadAll();
var s0=escape(c1);
var s1="";
var new_s="";
//六位一組，形式：%u4E2D
for (var i=0; i<s0.length; i+=6)
{
s1=s0.substr(i, 6);
//前面兩個%u取消，後兩位移前，前兩位移後，得到%2D%4E
new_s+="%" + s1.substr(4, 2) + "%" + s1.substr(2, 2);
}
//前三個字節是標誌，放棄它
new_s=new_s.substr(9, new_s.length);
document.write("內容：" + decodeURI(new_s));
ts.Close();
</script>
</body>
</html>
Thursday, September 11, 2008
Subscribe to:
Post Comments (Atom)
No comments:
Post a Comment