js判斷文件是否為utf-8編碼的方法

更新時(shí)間：2021年06月03日 08:35:37 作者：tornoda

使用FileReader以u(píng)tf-8格式讀取文件，根據(jù)文件內(nèi)容是否包含亂碼字符，來判斷文件是否為utf-8，本文就詳細(xì)的介紹一下使用，感興趣的小伙伴們可以參考一下

常規(guī)方案

使用FileReader以u(píng)tf-8格式讀取文件，根據(jù)文件內(nèi)容是否包含亂碼字符�，來判斷文件是否為utf-8。

如果存在�，即文件編碼非utf-8，反之為utf-8。

代碼如下：

const isUtf8 = async (file: File) => {
  return await new Promise((resolve, reject) => {
    const reader = new FileReader();
    reader.readAsText(file);

    reader.onloadend = (e: any): void => {
      const content = e.target.result;
      const encodingRight = content.indexOf("") === -1;

      if (encodingRight) {
        resolve(encodingRight);
      } else {
        reject(new Error("編碼格式錯(cuò)誤，請(qǐng)上傳 UTF-8 格式文件"));
      }
    };
    
    reader.onerror = () => {
      reject(new Error("文件內(nèi)容讀取失敗，請(qǐng)檢查文件是否損壞"));
    };
  });
};

該方法問題在于，如果文件非常大，比如幾個(gè)G，瀏覽器讀到的內(nèi)容直接放在內(nèi)存中，fileReader實(shí)例會(huì)直接觸發(fā)onerror，拋出錯(cuò)誤，有時(shí)瀏覽器會(huì)直接崩潰。

大文件方案

對(duì)于大文件，可以對(duì)文件內(nèi)容進(jìn)行抽樣，對(duì)文件進(jìn)行切片，這里使用100片。對(duì)切出的每片文件再切取前面1kb大小的片段，以string方式讀取。如果1024B可能正好切在某個(gè)漢字編碼的中間，導(dǎo)致以string方式讀取時(shí)出錯(cuò)，即首尾可能出現(xiàn)�，被認(rèn)為是非utf-8片段。這時(shí)可以取1kb對(duì)應(yīng)字符串的前半段，再去判斷�是否存在。

上述常數(shù)可以根據(jù)需求進(jìn)行調(diào)整。

代碼如下：

const getSamples = (file: File) => {
  const filesize = file.size;
  const parts: Blob[] = [];
  if (filesize < 50 * 1024 * 1024) {
    parts.push(file);
  } else {
    let total = 100;
    const sampleSize = 1024 * 1024;
    const chunkSize = Math.floor(filesize / total);
    let start = 0;
    let end = sampleSize;
    while (total > 1) {
      parts.push(file.slice(start, end));
      start += chunkSize;
      end += chunkSize;
      total--;
    }
  }
  return parts;
};

const isUtf8 = (filePart: Blob) => {
  return new Promise((resolve, reject) => {
    const fileReader = new FileReader();

    fileReader.readAsText(filePart);

    fileReader.onload = (e) => {
      const str = e.target?.result as string;
      // 大致取一半
      const sampleStr = str?.slice(4, 4 + str?.length / 2);
      if (sampleStr.indexOf("�") === -1) {
        resolve(void 0);
      } else {
        reject(new Error(編碼格式錯(cuò)誤，請(qǐng)上傳 UTF-8 格式文件"));
      }
    };

    fileReader.onerror = () => {
      reject(new Error(文件內(nèi)容讀取失敗，請(qǐng)檢查文件是否損壞"));
    };
  });
};

export default async function (file: File) {
  const samples = getSamples(file);
  let res = true;

  for (const filePart of samples) {
    try {
      await isUtf8(filePart);
    } catch (error) {
      res = false;
      break;
    }
  }
  return res;
}

到此這篇關(guān)于js判斷文件是否為utf-8編碼的方法的文章就介紹到這了,更多相關(guān)js判斷utf-8內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: