大文本文件分段读取器 - FileReader分块

大文本文件分段读取器是一个基于浏览器 FileReader API 的工具，它利用 Blob.slice() 方法将大文件切分为多个小块，然后使用 FileReader.readAsText() 逐块异步读取。这种方式可以避免一次性将整个大文件加载到内存中，从而防止浏览器崩溃或卡顿。

核心原理：

1. Blob.slice(start, end)：从文件中切出指定字节范围的数据块。
2. FileReader.readAsText(blob, encoding)：异步读取该数据块为文本字符串。
3. 通过循环或递归方式逐块读取，每块读取完成后触发回调，更新UI。
4. 读取间隔（setTimeout）确保浏览器有时间响应用户操作，避免主线程被长时间占用。

直接读取整个文件的问题：对于几百MB甚至GB级别的大文件，一次性读取会将整个文件内容加载到内存中，可能导致：

• 浏览器内存溢出，页面崩溃
• UI长时间冻结，用户体验极差
• 无法显示读取进度
• 无法中途暂停或取消

分段读取的优势：

• 内存友好：每次只处理一个小块（如1MB），内存占用可控。
• 进度可见：用户可以实时看到读取进度。
• 可暂停/继续：用户可以随时暂停读取操作。
• UI响应：块之间有间隔，浏览器可以处理用户交互。
• 灵活查看：用户可以跳转到任意已读取的块进行查看。

分块大小的选择取决于多个因素：

• 小文件（<10MB）：可以直接使用1-2MB的块大小，快速完成读取。
• 中等文件（10MB-100MB）：建议使用1-5MB的块大小，平衡速度和内存。
• 大文件（100MB-1GB）：建议使用512KB-2MB的块大小，确保内存安全。
• 超大文件（>1GB）：建议使用256KB-1MB的块大小，配合读取间隔使用。

经验法则：块越小，内存越安全但读取总时间可能略长；块越大，读取越快但内存压力增大。对于大多数场景，1MB是一个很好的默认选择。

分段读取不会导致乱码，因为 FileReader.readAsText() 会按照指定的编码正确解码每个数据块。但需要注意以下情况：

• 多字节字符边界：对于UTF-8等多字节编码，一个字符可能被分割到两个块中。不过浏览器底层的TextDecoder会妥善处理这种情况，通常最后一个不完整字符会被替换为替换字符�。
• BOM头：UTF-16编码的文件可能有BOM（字节顺序标记），仅出现在文件开头。

支持的编码：UTF-8（推荐）、UTF-16LE、UTF-16BE、ISO-8859-1（Latin-1）。如果您的文件使用GBK/GB2312等编码，建议先用其他工具转换为UTF-8。

浏览器的文件处理能力受以下因素影响：

• Blob.slice() 理论上支持最大约 2GB 的文件（受32位索引限制）。
• 可用内存：虽然分段读取减少了内存压力，但所有已读取的块仍存储在内存中。对于超大文件，建议仅读取需要的部分。
• 单个块大小：建议不超过100MB，否则单次读取可能造成明显卡顿。
• 持久存储：浏览器可能对单个页面的内存使用有隐式限制（通常1-4GB）。

本工具理论上可处理最大约2GB的文件，但建议文件不超过500MB以获得最佳体验。

Blob.slice(start, end, contentType) 是Blob对象的方法，用于创建原数据的一个子片段（新Blob对象），而不会复制实际数据。参数说明：

• start：起始字节位置（从0开始）。
• end：结束字节位置（不包含该位置）。
• contentType：可选，新Blob的MIME类型。

在分段读取中，slice() 用于从原始文件中"切出"指定大小的数据块，然后交给FileReader进行读取。由于它不会复制数据，所以操作非常高效，即使对超大文件也是如此。