JScript中使用ADODB.Stream判斷文件編碼的代碼

2019-11-21 01:43:43

字體：大中小

來源：轉載

供稿：網友

一開始使用ASCII編碼來讀取文本數據，模擬讀取二進制數據，但是發現如果字符編碼大于127時，只會得到小于128的值，相當于和128取余了，因此ASCII編碼是不行的。

繼續尋找，在CodeProejct.com找到一篇文章《Reading And Writing Binary Files Using JScript》，里面剛好有我需要的內容。

其實說來也簡單，就是把編碼換一下，使用437，這個是IBM擴展過的ASCII編碼，把ASCII編碼的最高位也利用起來，將字符集中的字符從128個擴展到256個，而使用這個字符集讀取的字符數據就相當于原始二進制數據了。

解決了障礙后，就要開始識別文件的編碼了，通過使用ADODB.Stream對象來讀取文件的開始兩個字節，然后根據這兩個字節就可以判斷文件編碼是什么了。

UTF-8文件如果帶BOM的話，那么頭兩個字節就是0xEF、0xBB，再例如Unicode文件的開始兩個字節是0xFF、0xFE，這些就是判斷文件編碼的依據。

需要注意的是，在ADODB.Stream讀取字符時，并不是一一對應的，也就是說，如果二進制數據是0xEF，讀取出來的字符經過charCodeAt之后，并不是0xFE，而是另外的值，這個對應表可以在上面提到的文章里查到。

程序代碼：

復制代碼代碼如下:

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;  
        // 判斷不出來就使用GBK，這樣可以在大多數情況下正確處理中文  
        default:  
            encoding = "GBK";  
            break;  
    }  
    stream.Close();  
    delete stream;  
    stream = null;  
    return encoding;  
} 