最近在用VB做一个clean possible_hifrm的小工具

一开始的做法，就是以unicode的格式读取文件内容到一个string，然后在string里匹配到<iframe>，然后删除，最后再回写

后来发现这样做之后，写回后的文件很多都无法打开

研究了一顿之后，发现是因为二进制编码的问题，以下摘自一个专家的答复：

在VB中一定要记住，不能使用String变量处理二进制数据。早期的VB是采用单字节处理方式(通常也称为ANSI方式)，也就说一个英文字母用一个字节表示，一个汉字算两个字节，当然这样就可能出现半个汉字的问题。从VB 4.0起，VB采用了一种新的处理方式，即内部采用Unicode方式，即不论英文字母还是汉字，一律用两个字节表示，但Unicode还不够普及，所以VB只是在其内部完全使用Unicode，而在外部仍转换为人们习惯的ANSI方式，但在字符串处理上与先前的版本有所不同。例如：在中文Windows或英文Windows外挂RichWin 97中，Len("电子&电脑")=5(这里的&号为半角字符)，而在以前的版本或纯英文Windows中Len("电子&电脑")=9。除了Len、Left、Right等字符串函数受此影响外，所有字符操作都受此影响。如果你把二进制数据读入字符串变量，在读入的过程中会发生转换错误，这样你再写入文件数据也就不对了。以上的讨论对于中文等双字节系统都是适用的，但英文版下没有这个问题。所以，你在网上看到的许多程序因为都是美国人写的，他们根本就不考虑这个问题，使用字符串来处理二进制数据，但这样的程序在中文系统中肯定出错。解决的办法是使用Byte数组来处理二进制数据，这样就不会有你说的问题了。例如：
     Dim n As Long
     Dim arrBytes() As Byte
    
     Open "c:\win98\setup.bmp" For Binary As 1
     n = LOF(1)
     ReDim arrBytes(1 To n) As Byte
     Get 1, , arrBytes
     Close 1
    
     If arrBytes(1) = Asc("B") And arrBytes(2) = Asc("M") Then
     MsgBox "这是一个位图文件。"
     End If

后来我按照这个思路继续做下去，但是发现如果一开始以二进制数组读文件，那匹配<iframe>就是一个问题。因为Byte数组里都是二进制文件，而且是不连续的，所以要搜索一个string肯定是有难度的。

我目前的做法是：

1·byte数组读文件
2·byte数组转成string：A
3·将要匹配的字符串转成byte数组，然后再转string：B
4·在A中以正则表达式搜索B
5·如果匹配到，则在A中找到B的位置：C

6·在byte数组中删除C位置的项，调整数组大小
7·回写文件

这样做有两个瓶颈：

1·VB本身对数组转换支持的不好，如果要将类似{12,23,34}的数组转成“122334”的string，只能循环遍历数组，这个效率很低，尤其是遇到大文件

2·在A中找到B的位置，并且反馈给数组，这个逻辑复杂，而且VB在这方面的效率也不高。

更好的方法，我目前还在寻找:)

作者：Jason Zhou

发布：2008-07-17