解决远程页面抓取中的乱码问题？

网络编程 2024/11/16 佚名

3 2 1

由于平时使用的网页文件基本上都是gb2312编码方式，如果通过xmlhttp控件读取的话，肯定会出现乱码问题，但是要把所有文件都改成utf-8编码，操作上比较麻烦。经过反复比较，我找到了相对实用的解决方法。

　　ff提供了overrideMimeType方法，可以指定返回值的编码，所以解决起来比较简单，只要把这个方法指向gb2312就可以了。对于IE，可以用vbs配合来作编码转换，用gb2utf8来转换接收到的二进制数据，其中利用到execScript方法来调用vbs的函数。

[Ctrl+A 全选注:引入外部Js需再刷新一下页面才能执行]
ie下的转码可以改进,通过正则的回调过程能提高不少效率

复制代码代码如下:
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];}));
    }

不过我还是认为载入数据用xmldom要好一些
replace(/(.{2})(.{2})(.{2})/g, "%$3%$2") 改成 replace(/.{2}(.{2})(.{2})/g, "%$2%$1") 少一个存储.比原来的快3倍以上.
把eval去掉,效率还能提高一些
复制代码代码如下:
    // 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];}));
    }