解決遠(yuǎn)程頁(yè)面抓取中的亂碼問題？

更新時(shí)間：2007年03月04日 00:00:00 作者：

由于平時(shí)使用的網(wǎng)頁(yè)文件基本上都是gb2312編碼方式，如果通過xmlhttp控件讀取的話，肯定會(huì)出現(xiàn)亂碼問題，但是要把所有文件都改成utf-8編碼，操作上比較麻煩。經(jīng)過反復(fù)比較，我找到了相對(duì)實(shí)用的解決方法。

　　ff提供了overrideMimeType方法，可以指定返回值的編碼，所以解決起來(lái)比較簡(jiǎn)單，只要把這個(gè)方法指向gb2312就可以了。對(duì)于IE，可以用vbs配合來(lái)作編碼轉(zhuǎn)換，用gb2utf8來(lái)轉(zhuǎn)換接收到的二進(jìn)制數(shù)據(jù)，其中利用到execScript方法來(lái)調(diào)用vbs的函數(shù)。

<body></body> <script> loadPage("index.htm") function loadPage(url){     var xh=window.Event?new XMLHttpRequest():new ActiveXObject("Microsoft.XMLHTTP")     xh.open("GET",url,true)     if(window.Event)         xh.overrideMimeType("text/xml;charset=gb2312")     xh.onreadystatechange=function(){         if(xh.readyState!=4)             return         var v         v=window.Event?xh.responseText:window.gb2utf8(xh.responseBody)         alert(v)     }     window.gb2utf8=function(data){         var glbEncode=[],t,i,j,len         gb2utf8_data=data         execScript("gb2utf8_data = MidB(gb2utf8_data, 1)+' '", "vbscript")         t=escape(gb2utf8_data).replace(/%u/g,"").replace(/(.{2})(.{2})/g,"%$2%$1").replace(/%([A-Z].)%(.{2})/g,"@$1$2")         t=t.split("@")         i=0         len=t.length         while(++i<len){             j=t[i].substring(0,4)             if(!glbEncode[j]) {                 gb2utf8_char = eval("0x"+j)                 execScript("gb2utf8_char=Chr(gb2utf8_char)","vbscript")                 glbEncode[j]=escape(gb2utf8_char).substring(1,6)             }             t[i]=glbEncode[j]+t[i].substring(4)         }         gb2utf8_data=gb2utf8_char=null         return unescape(t.join("%")).slice(0,-1)     }     xh.send(null) } </script>

[Ctrl+A 全選注:引入外部Js需再刷新一下頁(yè)面才能執(zhí)行]

ie下的轉(zhuǎn)碼可以改進(jìn),通過正則的回調(diào)過程能提高不少效率

復(fù)制代碼代碼如下:

this.bs2str = function(bs){   
    if(!window.jsMidB) main.vbInit("MidB", 2);   
    if(!window.jsChr) main.vbInit("Chr", 1);   
    if(!bs2str.ss) bs2str.ss = [];   
    return unescape(escape(jsMidB(bs,1)).replace(/(.{2})(.{2})(.{2})/g, "%$3%$2").replace(/%([^0-7].)(.)(.{2})/g, function(a,a1,a2,a3){var s=a1+a3;if(!bs2str.ss[s]) bs2str.ss[s]=jsChr(eval("0x"+s));return bs2str.ss[s];}));   
    } 

不過我還是認(rèn)為載入數(shù)據(jù)用xmldom要好一些
replace(/(.{2})(.{2})(.{2})/g, "%$3%$2") 改成 replace(/.{2}(.{2})(.{2})/g, "%$2%$1") 少一個(gè)存儲(chǔ).比原來(lái)的快3倍以上.
把eval去掉,效率還能提高一些

復(fù)制代碼代碼如下:

    // byte() encoding  
    this.bs2str = function(bs){  
        if(!window.jsMidB) main.vbInit("MidB", 2);  
        if(!window.jsChr) main.vbInit("Chr", 1);  
        if(!this.bs2str.ss) this.bs2str.ss = [];  
        return unescape(escape(jsMidB(bs,1)).replace(/.{2}(.{2})(.{2})/g, "%$2%$1").replace(/%([^0-7].)(.)(.{2})/g, function(a,a1,a2,a3){var s=a1+a3;if(!This.bs2str.ss[s]) This.bs2str.ss[s]=jsChr("&H"+s);return This.bs2str.ss[s];}));  
    }  