我有一个用big5编码的XML字符串:
atob('PD94bWwgdmVyc2lvbj0iMS4wIiBlbmNvZGluZz0iYmlnNSIgPz48dGl0bGU+pKSk5TwvdGl0bGU+')
(UTF-8中的<?xml version="1.0" encoding="big5" ?><title>中文</title>
。)
我想提取<title>
的内容。如何在浏览器中使用纯Javascript来做到这一点?最好是没有jquery或emscripten的轻量级解决方案。
尝试了DOMParser
:
(new DOMParser()).parseFromString(atob('PD94bWwgdmVyc2lvbj0iMS4wIiBlbmNvZGluZz0iYmlnNSIgPz48dGl0bGU+pKSk5TwvdGl0bGU+'), 'text/xml')
但Chromium和Firefox都不尊重编码属性。它是DOMParser
仅支持UTF-8的标准吗?
答案 0 :(得分:2)
我怀疑问题不是DOMParser
,而是atob
,它无法正确解码最初的非ascii字符串。*
您需要使用其他方法来获取原始字节,例如使用https://github.com/danguer/blog-examples/blob/master/js/base64-binary.js
var encoded = 'PD94bWwgdmVyc2lvbj0iMS4wIiBlbmNvZGluZz0iYmlnNSIgPz48dGl0bGU+pKSk5TwvdGl0bGU+';
var bytes = Base64Binary.decode(encoded);
然后将字节(即解码big5数据)转换为Javascript字符串的一些方法。对于Firefox / Chrome,您可以使用TextDecoder
:
var decoder = new TextDecoder('big5');
var decoded = decoder.decode(bytes);
然后转到DOMParser
var dom = (new DOMParser()).parseFromString(decoded, 'text/xml');
var title = dom.children[0].textContent;
您可以在https://plnkr.co/edit/TBspXlF2vNbNaKq8UxhW?p=preview
看到这一点 *理解原因的一种方法:atob
不会将原始字符串的编码作为参数,因此虽然它必须在内部将base64编码数据解码为字节,但它必须对什么字符进行假设编码这些字节然后给你一个Javascript字符串,我相信内部编码为UTF-16。