DIV CSS 佈局教程網

XMLHTTP 中文亂碼的解決方案:編碼與解碼全流程
編輯:關於JavaScript     

用 XMLHTTP(Ajax)傳遞中文時出現亂碼,是早期 Web 開發的經典難題。最省事的繞道方法是:發送方用 JavaScript 的 escape 把中文先轉成英文編碼,接收方再用 unescape 還原。由於 Ajax 傳輸純英文在任何編碼下都不會出問題,這個技巧往往能一步解決困擾。

但如果服務端無法配合改造,就得正視問題的根源。本文把整個鏈路拆成兩部分來看。

問題的兩個來源

用 XMLHTTP Post 表單時的亂碼其實來自兩個不同環節:

  1. Post 出去的表單數據中,中文被錯誤編碼;
  2. 服務器返回的 Response 被 XMLHTTP 錯誤解碼。

Part I:正確地 Post 中文內容

先看一段普通的英文表單提交:

<SCRIPT language="JavaScript">
strA = "submit1=Submit&text1=scsdfsd";
var oReq = new ActiveXObject("MSXML2.XMLHTTP");
oReq.open("POST", "https://ServerName/VDir/TstResult.asp", false);
oReq.setRequestHeader("Content-Length", strA.length);
oReq.setRequestHeader("CONTENT-TYPE", "application/x-www-form-urlencoded");
oReq.send(strA);
</ScRIPT>

把 strA 換成 "submit1=Submit&text1=中文" 之後,服務端 Request.Form("text1") 就取不到正確值了。用 Request.BinaryRead 把原始 Post 內容打印出來才會發現:表單提交時本身就需要編碼,「中文」會變成 %D6%D0%CE%C4 這樣的轉義序列。其實 CONTENT-TYPE 裡已經寫得明明白白:application/x-www-form-urlencoded,urlencoded 當然就是這個樣子。

那麼,自己在客戶端做一次 URL 編碼即可:

<SCRIPT language="VBScript">
Function URLEncoding(vstrIn)
  strReturn = ""
  For i = 1 To Len(vstrIn)
    ThisChr = Mid(vStrIn, i, 1)
    If Abs(Asc(ThisChr)) < &HFF Then
      strReturn = strReturn & ThisChr
    Else
      innerCode = Asc(ThisChr)
      If innerCode < 0 Then innerCode = innerCode + &H10000
      Hight8 = (innerCode And &HFF00) \ &HFF
      Low8 = innerCode And &HFF
      strReturn = strReturn & "%" & Hex(Hight8) & "%" & Hex(Low8)
    End If
  Next
  URLEncoding = strReturn
End Function

strA = URLEncoding("submit1=Submit&text1=中文")
oReq = CreateObject("MSXML2.XMLHTTP")
oReq.open "POST", "https://ServerName/VDir/TstResult.asp", false
oReq.setRequestHeader "Content-Length", Len(strA)
oReq.setRequestHeader "CONTENT-TYPE", "application/x-www-form-urlencoded"
oReq.send strA
</SCRIPT>

Part II:正確顯示返回的中文內容

如果服務端把內容寫入數據庫或文件,那裡看到的中文是正常的。但如果你想直接查看 Response,問題就來了:alert(oReq.responseText) 彈出來的中文全是方塊。

原因很簡單:XMLHTTP 默認假定 Response 是 UTF-8 編碼。如果返回的是 XML,還可以通過 encoding 聲明指定編碼;但返回 HTML 就沒有這個機會了。於是把 GB2312 的內容當成 UTF-8 來解,不亂碼才奇怪。

好在還有補救辦法:responseBody 屬性保存的是未經解碼的原始字節(a raw undecoded bytes as received directly from the server)。唯一的難點是它返回一個無符號字節數組,需要手動轉換成字符串——而這件事在 VBScript 裡做得到,在 JavaScript 裡做不到。這也是上面示例改用 VBScript 的原因。

<SCRIPT language="VBScript">
Function bytes2BSTR(vIn)
  strReturn = ""
  For i = 1 To LenB(vIn)
    ThisCharCode = AscB(MidB(vIn, i, 1))
    If ThisCharCode < &H80 Then
      strReturn = strReturn & Chr(ThisCharCode)
    Else
      NextCharCode = AscB(MidB(vIn, i + 1, 1))
      strReturn = strReturn & Chr(CLng(ThisCharCode) * &H100 + CInt(NextCharCode))
      i = i + 1
    End If
  Next
  bytes2BSTR = strReturn
End Function

' ...前面省略 open / send 部分...
alert bytes2BSTR(oReq.responseBody)
</SCRIPT>

真實案例:讓 DHTMLX Tree 支持 GB2312

最近使用 DHTMLX 的 tree 組件時發現中文 XML 無法加載並報錯。整個系統是 GB2312 編碼,而 DHTMLX 只支持 UTF-8,英文正常、中文出錯。用法本身很簡單,就是官方演示裡的代碼:

var obj = document.getElementById(oid);
obj.style.display = "block";
obj.focus();
if (obj.innerHTML != "") return;

tree = new dhtmlXTreeObject(oid, "100%", "100%", 0);
tree.setImagePath("js/imgs/csh_vista/");
tree.setOnClickHandler(click1);
tree.setXMLAutoLoading("tree.asp");
tree.loadXML("tree.asp?id=0");  // load first level of tree

tree.asp 與整個系統保持一致,採用 GB2312,並用 response.write 輸出一段 XML。系統編碼改不了,只能在 DHTMLX 這邊想辦法。往下追查,問題出在 Microsoft.XMLHTTP 的默認解碼行為上,於是++/前面的分析對上了++/,解法也變得清晰:

1. 增加一個 VBScript 的字節轉字符串函數

<script language="VBScript">
' 處理中文
function bin2str(bin)
  dim tmp, ustr, i
  tmp = ""
  for i = 1 to LenB(bin) - 1
    ustr = AscB(MidB(bin, i, 1))
    if ustr > 127 then
      i = i + 1
      tmp = tmp & chr(ustr * 256 + AscB(MidB(bin, i, 1)))
    else
      tmp = tmp & chr(ustr)
    end if
  next
  bin2str = tmp
end function
</script>

2. 修改 dhtmlxcommon.js 中 getXMLTopNode 的取值方式

// 原代碼
var xmlString = this.xmlDoc.responseText;
// 改為(可以在 JS 裡直接調用 VBScript 函數)
var xmlString = bin2str(this.xmlDoc.responseBody);

3. 在輸出 XML 的 ASP 文件開頭聲明類型與編碼

<%Response.ContentType = "application/xml"%>
<?xml version='1.0' encoding='GB2312'?>

當然,該文件本身也要保存為 GB2312 格式。

今天再看這個問題

這套方案是特定歷史環境下的產物。在現代項目中,更根本的做法是全站統一使用 UTF-8:頁面声明 <meta charset="utf-8">、服務端響應頭帶上 Content-Type: text/html; charset=utf-8、數據庫連接指定 UTF-8,並用 encodeURIComponent 處理查詢參數。編碼不統一才是亂碼的真正源頭,把某一環「修正」回 GB2312 只是把問題推到了下一個環節。

XML學習教程| jQuery入門知識| AJAX入門| Dreamweaver教程| Fireworks入門知識| SEO技巧| SEO優化集錦|
Copyright © DIV+CSS佈局教程網 All Rights Reserved