JScript中使用ADODB.Stream判断文件编码的代码

  一开始使用ASCII编码来读取文本数据,模拟读取二进制数据,但是发现如果字符编码大于127时,只会得到小于128的值,相当于和128取余了,因此ASCII编码是不行的。

  继续寻找,在CodeProejct.com找到一篇文章《Reading And Writing Binary Files Using JScript》,里面刚好有我需要的内容。

  其实说来也简单,就是把编码换一下,使用437,这个是IBM扩展过的ASCII编码,把ASCII编码的最高位也利用起来,将字符集中的字符从128个扩展到256个,而使用这个字符集读取的字符数据就相当于原始二进制数据了。

  解决了障碍后,就要开始识别文件的编码了,通过使用ADODB.Stream对象来读取文件的开始两个字节,然后根据这两个字节就可以判断文件编码是什么了。

  UTF-8文件如果带BOM的话,那么头两个字节就是0xEF、0xBB,再例如Unicode文件的开始两个字节是0xFF、0xFE,这些就是判断文件编码的依据。

  需要注意的是,在ADODB.Stream读取字符时,并不是一一对应的,也就是说,如果二进制数据是0xEF,读取出来的字符经过charCodeAt之后,并不是0xFE,而是另外的值,这个对应表可以在上面提到的文章里查到。

  程序代码:

  

复制代码 代码如下:

  function CheckEncoding(filename) {

  var stream = new ActiveXObject("ADODB.Stream");

  stream.Mode = 3;

  stream.Type = 2;

  stream.Open();

  stream.Charset = "437";

  stream.LoadFromFile(filename);

  var bom = escape(stream.ReadText(2));

  switch(bom) {

  // 0xEF,0xBB => UTF-8

  case "%u2229%u2557":

  encoding = "UTF-8";

  break;

  // 0xFF,0xFE => Unicode

  case "%A0%u25A0":

  // 0xFE,0xFF => Unicode big endian

  case "%u25A0%A0":

  encoding = "Unicode";

  break;

  // 判断不出来就使用GBK,这样可以在大多数情况下正确处理中文

  default:

  encoding = "GBK";

  break;

  }

  stream.Close();

  delete stream;

  stream = null;

  return encoding;

  }

  这样,在需要的时候,通过调用CheckEncoding函数就可以获取文件的编码了。

  希望此文对你有所帮助。