Jchardet——支持检测并输出文件编码方式的组件

简介

Jchardet 是 OpenAtom OpenHarmony（以下简称“OpenHarmony”）系统的一款检测文本编码的组件。当上传一个文件时，组件可以检测并输出该文件中文本使用的编码方式。

支持的编码格式有：ASCII 编码、UTF-8 编码、UTF-16LE 编码、Shift-JIS 编码、ISO-2022-JP 编码、ISO－2022－CN 编码、ISO-2022-KR 编码、Big５编码、UTF-16BE 编码、x-euc-tw 编码、EUC－KR 编码、ECU－JP 编码、GB18030 编码、HZ－GB－2312 编码、Windows-1252 编码、GB2312 编码。

开发环境

安装 IDE：支持 DevEco Studio 3.0 Release（Build Version 3.0.0.993)版本。

安装 SDK：OpenHarmony API version 8 及以上版本。

使用方法

需要先配置 OpenHarmony npm 仓，请参考安装教程

https://gitee.com/openharmony-tpc/docs/blob/master/OpenHarmony_npm_usage.md

1. 下载 jchardet 组件

npm install @ohos/jchardet –-save

2. 在 page 页面导入。

import {nsICharsetDetectionObserver,nsDetector,nsPSMDetector} from '@ohos/jchardet/

3. 初始化编码检测器。

//lang为输入的语言种类    //0 => All    //1 => Japanese    //2 => Chinese    //3 => Simplified Chinese    //4 => Traditional Chinese    //5 => Korean    //6 => Dont know (default)let det: nsDetector = new nsDetector(lang); 

4. 在检测器的初始化函数中定义回调函数，接受编码检测结果。

det.Init(new class implements nsICharsetDetectionObserver {          Notify(charset: string): void {          console.log("CHARSET = " + charset);          } })

4.1 向编码检测器提供数据，首选判断是否 Ascii 编码，如果是 Ascii 编码，则程序结束。

let byteData = new Int8Array(buf);　//ｂｕｆ为文件的ArrayBufferlet isAscii:boolean = det.isAscii(byteData);

4.2 如果检测到某一种编码，则进去初始化时定义的回调，程序结束。

let done:boolean = det.DoIt(byteData, false);

4.3 如果检测到多种编码，则获取编码列表，程序结束。

let prob: Array<string> = det.getProbableCharsets();

结语

通过本篇文章介绍，您对 OpenHarmony Jchardet 组件应该有了初步的了解。我们所有的源码和指导文档都已经开源，如果您对本篇文章内容以及所实现的 Demo 感兴趣，可以根据本篇文章介绍自行下载 OpenHarmony Jchardet 源码（https://gitee.com/openharmony-sig/jchardet）进行研究和使用。同时也欢迎更多开发者与我们共享开发成果，分享技术解读与经验心得。