如何在 Javascript 中查找由 input[type="file"] 加载的文本文件的字符集

Question

我想读取用户的文件并给他该文件的修改版本。我使用带有类型文件的输入来获取文本文件，但是如何获取加载文件的字符集，因为在不同情况下它可能会有所不同...上传的文件具有 .txt 或类似格式，而不是 .html :)

var handler = document.getElementById('handler');
var reader = new FileReader();

handler.addEventListener('click', function() {
    reader.readAsText(firstSub.files[0], /* Here I need use a correctly charset */);
});

reader.addEventListener("loadend", function() {
    console.dir(reader.result.split('\n'));
});

Answer 1

就我而言（我制作了一个小型网络应用程序，它接受字幕 .srt 文件并删除时间代码和换行符，从而生成可打印文本），足以预见 2 种编码类型：UTF-8 和 CP1251（在所有情况下我尝试使用拉丁字母和西里尔字母 \xe2\x80\x93 \xe2\x80\x93 这两种类型就足够了）。首先我尝试使用UTF-8进行编码，如果不成功，一些字符会被'\xef\xbf\xbd'符号替换。因此，我检查结果是否存在这些迹象，如果发现，则使用 CP1251 编码重复该过程。所以，这是我的代码：

\n

function onFileInputChange(inputDomElement, utf8 = true) {\n    const file = inputDomElement.files[0];\n    const reader = new FileReader();\n    reader.readAsText(file, utf8 ? 'UTF-8' : 'CP1251');\n    reader.onload = () => {\n        const result = reader.result;\n        if (utf8 && result.includes('\xef\xbf\xbd')) {\n            onFileInputChange(inputDomElement, false);\n            console.log('The file encoding is not utf-8! Trying CP1251...');\n        } else {\n            document.querySelector('#textarea1').value = file.name.replace(/\\.(srt|txt)$/, '').replace(/_+/g, '\\ ').toUpperCase() + '\\n' + result;\n        }\n    }\n}\n

\n

Answer 2

你应该看看这个库encoding.js

他们还有一个工作演示。我建议您首先使用您通常使用的文件进行尝试，看看它是否正确检测到编码，然后在项目中使用该库。