DIV CSS 佈局教程網

您现在的位置: DIV+CSS佈局教程網 >> 網頁腳本 >  >> XML學習教程 >> XML詳解
XMLHTTP 抓取中文網頁亂碼?純客戶端 VBScript 解決方案
編輯:XML詳解     

不少人使用 XMLHTTP 時,總是被中文亂碼的問題困擾。我查了一些資料,結果有點失望,因為大多數方案都是靠 ASP 等伺服器端技術來解決。那麼,難道就沒有純客戶端的解法嗎?答案是:有的。

亂碼的成因

原因其實很單純:XMLHTTP 在取得 Response 時,會預設它是 UTF-8 編碼,於是它把採用 GB2312 編碼的 HTML 誤當成 UTF-8 來解析,中文自然就成了亂碼。

為什麼選 VBScript

我用 VBScript 客戶端腳本,成功在不依賴 ASP 的情況下解決了這個問題。為什麼用 VBScript 而非大家熟悉的 JScript?因為 XMLHTTP 的 responseBody 回傳的是一個 unsigned bytes 陣列,而 VBScript 提供了許多操作字串、格式化資料以及訪問安全陣列的函數,這些在 JScript 中並不存在。這裡我們需要用到 VBScript 的內建函數:MidB、AscB、LenB 等來訪問 responseBody。

我不是要強調 VBScript 比 JScript 好,而是兩者各有擅長的場景。以下提供完整的 Test.htm 程式碼,它示範了「抓取自身網頁」與「抓取其他網頁」兩種應用:

<!DOCTYPE HTML PUBLIC "-//W3C//DTD Html 4.0 Transitional//EN">
<!-- 作者:小林,sulins@tom.com -->
<Html>

<HEAD>
<META http-equiv="Content-Type" content="text/Html; charset=gb2312">
</HEAD>

<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

Function vIEwSource1()
dim XMLHttp
set XmlHttp = CreateObject("Microsoft.XMLHTTP")
XMLHttp.Open "GET", document.location.href, false
XmlHttp.setRequestHeader "Content-Type","text/XML"
XMLHttp.Send

dim Html
Html = bytes2BSTR(XMLHttp.responseBody)
msgbox Html
End Function

Function vIEwSource2()
dim XMLHttp
set XmlHttp = CreateObject("Microsoft.XMLHTTP")
XMLHttp.Open "GET", "https://www.Google.com", false
XmlHttp.setRequestHeader "Content-Type","text/XML"
XMLHttp.Send

dim Html
Html = bytes2BSTR(XMLHttp.responseBody)
msgbox Html
End Function

</script>

<BODY bgcolor=gainsboro style='border:1pt solid white'>
<TABLE class=text>
<tr>
<td class=text>XMLHTTP Get Html頁面時的中文亂碼之完全客戶端Script解決方案</td>
</tr>
<tr>
<td class=button><button onclick=vIEwSource1()>查看自身的網頁代碼</button></td>
</tr>
<tr>
<td class=button><button onclick=vIEwSource2()>查看google主頁代碼</button></td>
</tr>
</TABLE>
</BODY>
</Html>

關鍵在於 bytes2BSTR 函數:它透過 MidB、AscB 逐位元組讀取 responseBody,把高位元組與低位元組重新組合成正確的字元,藉此還原被誤判編碼的中文內容。希望這個思路能幫你在遇到問題時學會分析成因、有的放矢。

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