如何解決遠(yuǎn)程頁面抓取中的亂碼問題

2024-09-01 08:29:51

字體：大中小

供稿：網(wǎng)友

由于平時使用的網(wǎng)頁文件基本上都是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，我找到了相對實用的解決方法。

　　ff提供了overrideMimeType方法，可以指定返回值的編碼，所以解決起來比較簡單，只要把這個方法指向gb2312就可以了。對于IE，可以用vbs配合來作編碼轉(zhuǎn)換，用gb2utf8來轉(zhuǎn)換接收到的二進(jìn)制數(shù)據(jù)，其中利用到execScript方法來調(diào)用vbs的函數(shù)。
代碼如下:
<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)