在處理編碼混亂的老系統或跨編碼資料時,我們偶爾會需要在 gb2312 與 utf8 之間轉換。以下提供兩種 JavaScript 實作思路。
function gb2utf8(data){
var glbEncode = [];
gb2utf8_data = data;
execScript("gb2utf8_data = MidB(gb2utf8_data, 1)", "VBScript");
var t = escape(gb2utf8_data).replace(/%u/g, "")
.replace(/(.{2})(.{2})/g, "%$2%$1")
.replace(/%([A-Z].)%(.{2})/g, "@$1$2");
t = t.split("@");
var i = 0, j = t.length, k;
while (++i < j) {
k = t[i].substring(0, 4);
if (!glbEncode[k]) {
gb2utf8_char = eval("0x" + k);
execScript("gb2utf8_char = Chr(gb2utf8_char)", "VBScript");
glbEncode[k] = escape(gb2utf8_char).substring(1, 6);
}
t[i] = glbEncode[k] + t[i].substring(4);
}
gb2utf8_data = gb2utf8_char = null;
return unescape(t.join("%"));
}
使用時:xxx.innerHTML = gb2utf8(req.responseBody);
這個方法巧妙地借助 IE 特有的 execScript 執行 VBScript,利用 Chr、MidB 等函式處理位元組,適合純 IE 環境。
以下做法自行實作 UTF-8 編碼,並搭配自訂的 encodeURIComponent,可產生 URI 安全的編碼結果:
function utf8(wide) {
var c, s, enc = "", i = 0;
while (i < wide.length) {
c = wide.charCodeAt(i++);
if (c >= 0xDC00 && c < 0xE000) continue; // 處理 UTF-16 代理對
if (c >= 0xD800 && c < 0xDC00) {
if (i >= wide.length) continue;
s = wide.charCodeAt(i++);
if (s < 0xDC00 || c >= 0xDE00) continue;
c = ((c - 0xD800) << 10) + (s - 0xDC00) + 0x10000;
}
if (c < 0x80) enc += String.fromCharCode(c);
else if (c < 0x800) enc += String.fromCharCode(0xC0 + (c >> 6), 0x80 + (c & 0x3F));
else if (c < 0x10000) enc += String.fromCharCode(0xE0 + (c >> 12), 0x80 + ((c >> 6) & 0x3F), 0x80 + (c & 0x3F));
else enc += String.fromCharCode(0xF0 + (c >> 18), 0x80 + ((c >> 12) & 0x3F), 0x80 + ((c >> 6) & 0x3F), 0x80 + (c & 0x3F));
}
return enc;
}
在 Java 後端可搭配使用(適用 Ajax):
String dwp = new String(request.getParameter("dwp").getBytes("ISO-8859-1"), "gbk");
方法一依賴 IE 專屬的 execScript 與 VBScript,只能在舊版 IE 運行;方法二則是純 JavaScript 實作,邏輯自行處理 UTF-8 的位元組編碼規則,通用性更高。在今日的跨瀏覽器環境中,建議優先採用方法二這類不綁定特定瀏覽器的做法。不過更根本的解法,其實是從源頭統一採用 UTF-8 編碼,就能避免絕大多數需要手動轉碼的困擾。