javascript gb2312转utf-8

汉字标准交换码共分两级。第一级为常用字，有3755字，按汉语拼音字母顺序排列，第二级为次常用字，有3008字，按部首排列。GB2312的编码范围为2121H-777EH.

UNICODE 是两字节的全编码，对于ASCII字符它也使用两字节表示。代码页是通过高字节的取值范围来确定是ASCII字符，还是汉字的高字节。如果发生数据损坏， 某处内容破坏，则会引起其后汉字的混乱。UNICODE则一律使用两个字节表示一个字符，最明显的好处是它简化了汉字的处理过程。

关于编码的文章可以参考：

百度的页面是gb2312的，URL编码自然也是从gb转换而来，比如“一”这个字，百度转换的结果是D2%BB，而从Utf-8转换来的结果是%E4%B8%80比如google（gb是2字节编码，utf-8是3字节变长编码）

可以用javascript的encodeURI和decodeURI来得到这些结果，设置页面编码就可以看到不同结果了。

在网上找，也没找到现成的转换程序，只得自己写。还好网上不缺gb-utf的对照表，修改了一下就可以用了:gb-utf.txt

这个对照表是将gb字节编码转到utf的16进制编码，而不是字节编码。

javascript中escape和unescape是转换16进制编码用的，因此gb汉字到utf汉字的转换思路是：encodeURI("gb汉字")，到对照表中查找utf的16进制编码，unescape("16进制utf编码")，得到utf汉字。

中间那一步最关键，我的转换只用到了这一步，其他两步直接调用那两个函数就可以了。下面是转换程序：

 function genCodeStr(){
    var codeRE = new RegExp("'(.*)' : '(.*)'","gi");
    var tempStr,codeStr = "";
    var myReader = new Reader();
    myReader.loadFile('inc/gb2312_utf.txt');//这里改成你的对照表存放的路径
    while(!myReader.fStream.atEndofLine) {
        tempStr = new String(myReader.fStream.readLine());
        codeStr += tempStr.replace(codeRE,"$1") + ":" + tempStr.replace(codeRE,"$2") + ":";
    }
    Application("codeData") = codeStr;
}
function getCodeStr(){
    var codeStr = new String(Application("codeData"));
    if(codeStr.indexOf("%a1%a1") == -1){
        genCodeStr();
    }
    return new String(Application("codeData"));
}
function gb2utf(gbStr){
    var codeStr = getCodeStr();
    var codeRE = new RegExp("(%..%..)","gi");
    var replaceRE = new RegExp("(%..%..)","i");
    var gbCode;
    var utfCode;
    var gbStart;
    while((codeRE.lastIndex < gbStr.length) && replaceRE.test(gbStr)){
        codeRE.exec(gbStr);
        gbCode = new String(RegExp.$1);
        gbStart = new Number(codeStr.indexOf(gbCode.toLowerCase()));
        var utfStart = 0;
        if(gbStart != -1){

[1] [2] [3] 下一页

复制本页网址和标题，发送给你QQ/Msn的好友一起分享

上一篇:UTF-8转GB2312函数

下一篇:Gb2312转utf-8(vbs+js)