Question

我有一个UTF-16编码文件

$ file myFile.csv
myFile.csv: Little-endian UTF-16 Unicode text, with CRLF line terminators

但是当我使用以下代码用JavaScript打开它时

var http = new XMLHttpRequest();
http.open( "GET", url, false );
http.send( null );  
var csv = http.responseText;

生成的csv变量被解释为文件为UTF-8。

结果如下：

[10:58:19.294] "��D\x00a\x00t\x00e\x00_\x001\x00,\x00S\x00y\x00s\x00t\x00e\x00m\x00_\x00S\x00t\x00a\x00t\x00e\x00,\x00S\x00t\x00a\x00t\x00e\x00_\x00C\x00h\x00a\x00n\x00g\x00e\x00_\x00C\x00o\x00u\x00n\x00t\x00_\x002\x00\r\x00\n\x001\x00/\x002\x00/\x002\x000\x001\x002\x00,\x00C\x00l\x00o\x00s\x00e\x00d\x00,\x001\x005\x00\r\x00\n\x001\x00/\x002\x00/\x002\x000\x001\x002\x00,\x00N\x00e\x00w\x00,\x001\x008\x00\r\x00\n\x001\x00/\x002\x00/\x002\x000\x001\x002\x00,\x00R\x00e\x00s\x00o\x00l\x00v\x00e\x00d\x00,\x003\x00\r\x00\n\x001\x00/\x003\x00/\x002\x000\x001\x002\x00,\x00D\x00e\x00f\x00e\x00r\x00r\x00e\x00d\x00,\x001\x00\r\x00\n\x001\x00/\x003\x00/\x002\x000\x001\x002\x00,\x00N\x00e\x00w\x00,\x006\x00\r\x00\n\x001\x00/\x003\x00/\x002\x000\x001\x002\x00,\x00R\x00e\x00s\x00o\x00l\x00v\x00e\x00d\x00,\x001\x00\r\x00\n\x001\x00/\x003\x00/\x002\x000\x001\x002\x00,\x00V\x00e\x00r\x00i\x00f\x00i\x00e\x00d\x00,\x009\x00\r\x00\n" […]

每个其他字符都是NUL字符（表示为\ x00），因此它会混淆我所有进一步的字符计数和解析。前两个特征是＆＃34;替换＆＃34;字符，因为在真实文件中，前16位代表＆＃34; little-endian UTF-16 BOM＆＃34;，这导致UTF-8中的illigal字符。

当我以HEX格式查看文件时，我有以下第一行：

0000000: fffe 4400 6100 7400 6500 5f00 3100 2c00  ..D.a.t.e._.1.,.
0000010: 5300 7900 7300 7400 6500 6d00 5f00 5300  S.y.s.t.e.m._.S.
0000020: 7400 6100 7400 6500 2c00 5300 7400 6100  t.a.t.e.,.S.t.a.
0000030: 7400 6500 5f00 4300 6800 6100 6e00 6700  t.e._.C.h.a.n.g.
0000040: 6500 5f00 4300 6f00 7500 6e00 7400 5f00  e._.C.o.u.n.t._.
0000050: 3200 0d00 0a00 3100 2f00 3200 2f00 3200  2.....1./.2./.2.
0000060: 3000 3100 3200 2c00 4300 6c00 6f00 7300  0.1.2.,.C.l.o.s.
0000070: 6500 6400 2c00 3100 3500 0d00 0a00 3100  e.d.,.1.5.....1.
0000080: 2f00 3200 2f00 3200 3000 3100 3200 2c00  /.2./.2.0.1.2.,.
0000090: 4e00 6500 7700 2c00 3100 3800 0d00 0a00  N.e.w.,.1.8.....

我想知道为什么它不能将文件解释为UTF-16（因为它以正确的BOM开头），以及是否有任何改变它的方法。它应该能够以某种方式自动确定格式（因此也可以使用UTF-8，以及其他常见的，如ASCII和ANSI）。

为了测试库，我使用XMLHttpRequest读取文件，但在部署的库中，它应该通过JAvascript FileReader API读取文件。这有什么不同吗？

我在Linux（Firefox和Chrome）以及Windows（Firefox）上测试过它，因此它似乎与浏览器和操作系统无关。

Answer 1

你签出了setRequestHeader method吗？我认为你应该能够指定内容类型。此外，我怀疑浏览器会了解这一特定细节。

导致我这一点的是（至少部分）this page

上的第一个例子

我希望这有帮助！

使用Javascript读取UTF-16文件

1 个答案: