Firefox 扩展中 XMLHTTPRequest 的 HTML DOM 解析和字符编码

Question

我现在正在编写 Firefox 4 引导扩展。

---

以下是我的故事：

当我使用@mozilla.org/xmlextras/xmlhttprequest;1, nsIXMLHttpRequest时，目标URL的内容可以通过req.responseText成功加载。

我通过createElement方法将responseText解析为DOM，并将innerHTML属性解析为BODY元素。

一切似乎都很成功。

然而，字符编码（charset）存在问题。

由于我需要扩展检测目标文档的字符集，因此用 text/html 覆盖 Mine 类型的请求； charset=blahblah ..似乎不能满足我的需要。

我尝试过 @mozilla.org/intl/utf8converterservice;1, nsIUTF8ConverterService，但 XMLHTTPRequest 似乎没有 ScriptableInputStream，甚至没有任何 InputStream 或可读流。

我不知道如何以合适的自动检测字符集读取目标文档内容，无论 GUI 中的自动检测字符编码功能或在内容文档的头元标记处读取的字符集。

---

编辑：如果我将整个文档（包括 HTML、HEAD、BODY 标记）解析为 DOM 对象，但不加载大量文档（如 js、css、ico 文件），这是否实用？

编辑： MDC 标题为“HTML to DOM”的文章的方法，该方法使用 @mozilla.org/feed-unescapehtml;1, nsIScriptableUnescapeHTML 是不合适，因为它解析时有很多错误，并且错误与baseURI不能设置< /strong> 类型text/html。当 A 元素中包含相对路径时，所有属性 HREF 都会丢失。

编辑#2：如果有任何方法可以将传入的responseText转换为可读的UTF-8字符集字符串，那就太好了。 :-)

---

任何解决编码问题的想法或工作都值得赞赏。 :-)

PS。目标文档是通用，因此没有没有特定的字符集（或者... < strong>preknown ），当然不仅仅是 UTF8，因为它已经默认定义了。

---

SUPP：

到目前为止，我对解决这个问题有两个简短的主要想法。

有人可以帮我解决 XPCOM 模块和方法的名称吗？

---

将内容解析为 DOM 时指定字符集。

我们首先需要知道文档的字符集（通过提取头元标记，或标题）。 然后，

• 找到一个在解析body内容时可以指定字符集的方法。
• 找出一种可以同时解析 head 和 body 的方法。

---

将传入的响应文本转换或制作为UTF-8，以便使用默认字符集UTF-8解析为DOM元素仍然有效。

X 似乎不实用也不明智：用字符集覆盖 Mine 类型是这个想法的实现，但我们无法在发起请求之前预先知道字符集。

Answer 1

似乎没有更多的答案了。

经过一天的测试，我发现有一种方法（尽管很笨拙）可以解决我的问题。

xhr.overrideMimeType('text/plain; charset=x-user-defined'); ，其中 xhr 代表 XMLHttpRequest Handler。

强制 Firefox 将其视为普通文本
文本，使用用户定义的字符
放。这告诉 Firefox 不要解析
它，并让字节通过
未处理。

参考MDC文档：Using_XMLHttpRequest#Receiving_binary_data

然后使用Scriptable Unicode Converter : @mozilla.org/intl/scriptableunicodeconverter, nsIScriptableUnicodeConverter

变量 charset 可以从头元标记中提取，无论 regexp 是否来自 req.responseText （具有未知的字符集）或其他方法。

var unicodeConverter = Components.classes["@mozilla.org/intl/scriptableunicodeconverter"].createInstance(Components.interfaces.nsIScriptableUnicodeConverter);
unicodeConverter.charset = charset;
str = unicodeConverter.ConvertToUnicode(str);

最终生成了一个 unicode 字符串以及一系列 UTF-8。 :-)

然后简单地解析到 body 元素并满足我的需要。

其他精彩的想法仍然受到欢迎。请以充分的理由反对我的回答。 :-)