HTTP हेडर में windows-1251 के बावजूद UTF-8 में एक पेज कैसे प्रदर्शित करें

मेरे पास Narod.ru पर एक पुरानी साइट है, और हाल ही में मैंने वहां कई लेख पोस्ट किए हैं - जैसा कि मैं अब UTF-8 में करता हूं। meta टैग में एन्कोडिंग का संकेत दिया गया था, लेकिन, पृष्ठों को देखते हुए, मैंने दरारें देखीं: " §‚ѕ-‚ѕ Ѓ»ѓ‡»ѕЃЊ. »यह पता चला है कि People.Ru एक HTTP शीर्ष लेख Content-Type: text/html; charset=windows-1251 भेजता है Content-Type: text/html; charset=windows-1251 Content-Type: text/html; charset=windows-1251 और यह किसी भी तरह से इसे बंद नहीं करता है। उपयोगकर्ता पठनीय पाठ प्राप्त कर सकता है - केवल अगर वह ब्राउज़र में एन्कोडिंग को मैन्युअल रूप से स्विच करने का अनुमान लगाता है।

क्या करें? दूसरी होस्टिंग पर जाएँ? बेशक, लेकिन जब तक हाथ नहीं पहुंचे, मैं यहां एक परिणाम हासिल करना चाहता था। ग्रंथों को फिर से लिखना? यह जावास्क्रिप्ट-पैच लगाने के लिए अधिक योग्य और दिलचस्प लग रहा था।

मुझे जावास्क्रिप्ट से एन्कोडिंग स्विच करने का कोई तरीका नहीं मिला। एक स्क्रिप्ट के साथ पाठ को फिर से दर्ज करने का एक विकल्प था जो दस्तावेज़ के onready घटना पर चलाया जाता है।

इसलिए, ब्राउज़र UTF-8 में पाठ प्राप्त करता है, UTF अनुक्रमों को 8 बिट्स के समूहों में विभाजित करता है और उन्हें Windows-1251 में एन्कोड किए गए वर्ण कोड के रूप में मानता है। पाठ की पठनीयता को पुनर्स्थापित करने के लिए, आपको इन कोडों को प्राप्त करने की आवश्यकता है, उन्हें एक UTF अनुक्रम में संयोजित करें, और उनसे यूनिकोड वर्ण कोड को पुनर्स्थापित करें और वर्णों के लिए HTML संख्यात्मक संदर्भों का उपयोग करके उत्तरार्द्ध वापस लौटाएं। इस मामले में, कई उद्धरणों की खोज की गई थी।



सबसे पहले, innerHTML HTML प्रॉपर्टी से पाठ को पढ़ते हुए, हम HTML इकाई “   "। इसे 0xA0 वापस प्रतिस्थापित किया जाना चाहिए।

दूसरे, charCodeAt फ़ंक्शन यूनिकोड में वर्ण कोड लौटाता है, और विंडोज -1251 में नहीं, इसलिए आपको पहले को दूसरे में बदलने की आवश्यकता है। तीसरा, विंडोज -1251 में कोड 0x98 साथ कोई चरित्र नहीं है, इसलिए यह फ़ंक्शन इसके लिए undefined लौटता है, यह आवश्यक है।

चौथा, इंटरनेट एक्सप्लोरर और सफारी आपको डॉम के माध्यम से दस्तावेज़ शीर्षक को बदलने की अनुमति नहीं देते हैं, केवल दस्तावेज़ की संबंधित संपत्ति के माध्यम से - लेकिन आप वहां HTML संख्यात्मक लिंक नहीं लिख सकते हैं। इस स्थिति के लिए, आप यूनिकोड कोड को एक हेक्साडेसिमल संख्या प्रणाली में अनुवाद कर सकते हैं, उन्हें "% कोड" के रूप में लिख सकते हैं और उन्हें unescape फ़ंक्शन के माध्यम से पास कर सकते हैं।

परिणामी कोड निम्नानुसार है:

 bindReady( function(){ var Win1251 = { 0x0: 0x0, 0x1: 0x1, 0x2: 0x2, 0x3: 0x3, 0x4: 0x4, 0x5: 0x5, 0x6: 0x6, 0x7: 0x7, 0x8: 0x8, 0x9: 0x9, 0xA: 0xA, 0xB: 0xB, 0xC: 0xC, 0xD: 0xD, 0xE: 0xE, 0xF: 0xF, 0x10: 0x10, 0x11: 0x11, 0x12: 0x12, 0x13: 0x13, 0x14: 0x14, 0x15: 0x15, 0x16: 0x16, 0x17: 0x17, 0x18: 0x18, 0x19: 0x19, 0x1A: 0x1A, 0x1B: 0x1B, 0x1C: 0x1C, 0x1D: 0x1D, 0x1E: 0x1E, 0x1F: 0x1F, 0x20: 0x20, 0x21: 0x21, 0x22: 0x22, 0x23: 0x23, 0x24: 0x24, 0x25: 0x25, 0x26: 0x26, 0x27: 0x27, 0x28: 0x28, 0x29: 0x29, 0x2A: 0x2A, 0x2B: 0x2B, 0x2C: 0x2C, 0x2D: 0x2D, 0x2E: 0x2E, 0x2F: 0x2F, 0x30: 0x30, 0x31: 0x31, 0x32: 0x32, 0x33: 0x33, 0x34: 0x34, 0x35: 0x35, 0x36: 0x36, 0x37: 0x37, 0x38: 0x38, 0x39: 0x39, 0x3A: 0x3A, 0x3B: 0x3B, 0x3C: 0x3C, 0x3D: 0x3D, 0x3E: 0x3E, 0x3F: 0x3F, 0x40: 0x40, 0x41: 0x41, 0x42: 0x42, 0x43: 0x43, 0x44: 0x44, 0x45: 0x45, 0x46: 0x46, 0x47: 0x47, 0x48: 0x48, 0x49: 0x49, 0x4A: 0x4A, 0x4B: 0x4B, 0x4C: 0x4C, 0x4D: 0x4D, 0x4E: 0x4E, 0x4F: 0x4F, 0x50: 0x50, 0x51: 0x51, 0x52: 0x52, 0x53: 0x53, 0x54: 0x54, 0x55: 0x55, 0x56: 0x56, 0x57: 0x57, 0x58: 0x58, 0x59: 0x59, 0x5A: 0x5A, 0x5B: 0x5B, 0x5C: 0x5C, 0x5D: 0x5D, 0x5E: 0x5E, 0x5F: 0x5F, 0x60: 0x60, 0x61: 0x61, 0x62: 0x62, 0x63: 0x63, 0x64: 0x64, 0x65: 0x65, 0x66: 0x66, 0x67: 0x67, 0x68: 0x68, 0x69: 0x69, 0x6A: 0x6A, 0x6B: 0x6B, 0x6C: 0x6C, 0x6D: 0x6D, 0x6E: 0x6E, 0x6F: 0x6F, 0x70: 0x70, 0x71: 0x71, 0x72: 0x72, 0x73: 0x73, 0x74: 0x74, 0x75: 0x75, 0x76: 0x76, 0x77: 0x77, 0x78: 0x78, 0x79: 0x79, 0x7A: 0x7A, 0x7B: 0x7B, 0x7C: 0x7C, 0x7D: 0x7D, 0x7E: 0x7E, 0x7F: 0x7F, 0x402: 0x80, 0x403: 0x81, 0x201A: 0x82, 0x453: 0x83, 0x201E: 0x84, 0x2026: 0x85, 0x2020: 0x86, 0x2021: 0x87, 0x20AC: 0x88, 0x2030: 0x89, 0x409: 0x8A, 0x2039: 0x8B, 0x40A: 0x8C, 0x40C: 0x8D, 0x40B: 0x8E, 0x40F: 0x8F, 0x452: 0x90, 0x2018: 0x91, 0x2019: 0x92, 0x201C: 0x93, 0x201D: 0x94, 0x2022: 0x95, 0x2013: 0x96, 0x2014: 0x97, 0x2122: 0x99, 0x459: 0x9A, 0x203A: 0x9B, 0x45A: 0x9C, 0x45C: 0x9D, 0x45B: 0x9E, 0x45F: 0x9F, 0xA0: 0xA0, 0x40E: 0xA1, 0x45E: 0xA2, 0x408: 0xA3, 0xA4: 0xA4, 0x490: 0xA5, 0xA6: 0xA6, 0xA7: 0xA7, 0x401: 0xA8, 0xA9: 0xA9, 0x404: 0xAA, 0xAB: 0xAB, 0xAC: 0xAC, 0xAD: 0xAD, 0xAE: 0xAE, 0x407: 0xAF, 0xB0: 0xB0, 0xB1: 0xB1, 0x406: 0xB2, 0x456: 0xB3, 0x491: 0xB4, 0xB5: 0xB5, 0xB6: 0xB6, 0xB7: 0xB7, 0x451: 0xB8, 0x2116: 0xB9, 0x454: 0xBA, 0xBB: 0xBB, 0x458: 0xBC, 0x405: 0xBD, 0x455: 0xBE, 0x457: 0xBF, 0x410: 0xC0, 0x411: 0xC1, 0x412: 0xC2, 0x413: 0xC3, 0x414: 0xC4, 0x415: 0xC5, 0x416: 0xC6, 0x417: 0xC7, 0x418: 0xC8, 0x419: 0xC9, 0x41A: 0xCA, 0x41B: 0xCB, 0x41C: 0xCC, 0x41D: 0xCD, 0x41E: 0xCE, 0x41F: 0xCF, 0x420: 0xD0, 0x421: 0xD1, 0x422: 0xD2, 0x423: 0xD3, 0x424: 0xD4, 0x425: 0xD5, 0x426: 0xD6, 0x427: 0xD7, 0x428: 0xD8, 0x429: 0xD9, 0x42A: 0xDA, 0x42B: 0xDB, 0x42C: 0xDC, 0x42D: 0xDD, 0x42E: 0xDE, 0x42F: 0xDF, 0x430: 0xE0, 0x431: 0xE1, 0x432: 0xE2, 0x433: 0xE3, 0x434: 0xE4, 0x435: 0xE5, 0x436: 0xE6, 0x437: 0xE7, 0x438: 0xE8, 0x439: 0xE9, 0x43A: 0xEA, 0x43B: 0xEB, 0x43C: 0xEC, 0x43D: 0xED, 0x43E: 0xEE, 0x43F: 0xEF, 0x440: 0xF0, 0x441: 0xF1, 0x442: 0xF2, 0x443: 0xF3, 0x444: 0xF4, 0x445: 0xF5, 0x446: 0xF6, 0x447: 0xF7, 0x448: 0xF8, 0x449: 0xF9, 0x44A: 0xFA, 0x44B: 0xFB, 0x44C: 0xFC, 0x44D: 0xFD, 0x44E: 0xFE, 0x44F: 0xFF } String.prototype.Win1251_charCodeAt=function(char_num){ var char_code=this.charCodeAt(char_num); return (char_code===undefined)?0x98:Win1251[char_code]; } function utf8_decode(text){ text=text.replace(/ /g,"\u00A0"); var char_code, char_code2, char_code3, char_code4; var result_str=''; for(var char_num=0; char_num<text.length; char_num++) if((char_code=text.Win1251_charCodeAt(char_num))<0x80 || char_code===text.charCodeAt(char_num)) result_str+=text.charAt(char_num);//0zzzzzzz - 00000000 00000000 00000000 0zzzzzzz else if(char_code>=0xC0) if(char_code<0xE0){ if( (char_code2=text.Win1251_charCodeAt(++char_num))>=0x80 && char_code2<0xC0 )//110yyyyy 10zzzzzz - 00000000 00000000 00000yyy yyzzzzzz result_str+="&#"+((char_code-0xC0)*0x40+(char_code2-0x80))+";"; } else if(char_code<0xF0){ if( (char_code2=text.Win1251_charCodeAt(++char_num))>=0x80 && char_code2<0xC0 && (char_code3=text.Win1251_charCodeAt(++char_num))>=0x80 && char_code3<0xC0 )//1110xxxx 10yyyyyy 10zzzzzz - 00000000 00000000 xxxxyyyy yyzzzzzz result_str+="&#"+((char_code-0xE0)*0x1000+(char_code2-0x80)*0x40+(char_code3-0x80))+";"; } else if( char_code<0xF8 && (char_code2=text.Win1251_charCodeAt(++char_num))>=0x80 && char_code2<0xC0 && (char_code3=text.Win1251_charCodeAt(++char_num))>=0x80 && char_code3<0xC0 && (char_code4=text.Win1251_charCodeAt(++char_num))>=0x80 && char_code4<0xC0 )//11110www 10xxxxxx 10yyyyyy 10zzzzzz - 00000000 000wwwxx xxxxyyyy yyzzzzzz result_str+="&#"+((char_code-0xF0)*0x40000+(char_code2-0x80)*0x1000+(char_code3-0x80)*0x40+(char_code4-0x80))+";"; return result_str; } function unescapeTitle(title){ return unescape( utf8_decode(document.title).replace( /&#([0-9]+);/g, function(expression, value){ if(isNaN(value=parseInt(value, 10))) return NaN; var i=0, retval="", radix=16; while(i++<4 || value>0){ retval=["0", "1", "2", "3", "4", "5", "6", "7", "8", "9", "A", "B", "C", "D", "E", "F"][value%radix]+retval; value=Math.floor(value/radix); } return "%u"+retval; } ) ); } document.body.innerHTML=utf8_decode(document.body.innerHTML); if("vendor" in navigator && navigator.vendor.indexOf("Apple")>-1){ document.title=unescapeTitle(document.title); return; } /*@cc_on document.title=unescapeTitle(document.title); return; @*/ document.getElementsByTagName("title")[0].innerHTML=utf8_decode(document.title); } ); 

फ़ायरफ़ॉक्स 3 और 4 में परीक्षण किया गया; ओपेरा 9, 10 और 11; इंटरनेट एक्सप्लोरर 5.5, 6, 7, 8; Google Chrome और Safari नवीनतम रिलीज़ संस्करण।

बेशक, यह एक कुन्स्टुक है; मुझे पता चला कि उस पर UTF-8 क्या है। एक अच्छे तरीके से, सर्वर को अपने HTTP हेडर को नुकसान नहीं पहुंचाना चाहिए। लेकिन यहां दार्शनिक सवाल उठता है: दस्तावेज़ के एन्कोडिंग को जानने के लिए कौन बेहतर है - सर्वर (लेखक ।htaccess) या स्वयं HTML दस्तावेज़ (इसका लेखक)? शायद ब्राउज़रों के पास सर्वर पर विश्वास करने का एक अच्छा कारण है, दस्तावेज़ में meta टैग नहीं।