如何使用 Javascript 在浏览器中解析非 UTF8 XML？

Question

我有一个用 big5 编码的 XML 字符串：

\n\n

atob(\'PD94bWwgdmVyc2lvbj0iMS4wIiBlbmNvZGluZz0iYmlnNSIgPz48dGl0bGU+pKSk5TwvdGl0bGU+\')\n

\n\n

（<?xml version="1.0" encoding="big5" ?><title>\xe4\xb8\xad\xe6\x96\x87</title> UTF-8 格式。）

\n\n

我想提取内容<title>。如何在浏览器中使用纯 Javascript 来做到这一点？最好有没有 jquery 或 emscripten 的轻量级解决方案。

\n\n

试过DOMParser：

\n\n

(new DOMParser()).parseFromString(atob(\'PD94bWwgdmVyc2lvbj0iMS4wIiBlbmNvZGluZz0iYmlnNSIgPz48dGl0bGU+pKSk5TwvdGl0bGU+\'), \'text/xml\')\n

\n\n

但 Chromium 和 Firefox 都不尊重编码属性。这是一个标准吗DOMParser它是仅支持 UTF-8

\n

Answer 1

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。*

您将需要使用另一种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);

然后使用某种方法将字节转换（即解码 big5 数据）为 Javascript 字符串。对于 Firefox / Chrome，您可以使用TextDecoder：

var decoder = new TextDecoder('big5'); 
var decoded = decoder.decode(bytes);

然后传递给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上看到这一点

*理解原因的一种方法：atob不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，但它必须假设这些字节的字符编码然后给你一个 Javascript 字符串，我相信它内部编码为 UTF-16。