利用 html5 的新特性分割文件,为达到断点续传功能
用 spark.js 获取文件md5以确保文件的惟一性
流程概述:
(此功能前端共需调用3个接口,分别为简称做 A / B / C)
1,获取文件信息:使用HTML5的原生上传input,选择文件后,获取文件的全部信息(文件名、文件总字节数等)
2,计算总切片:跟后台约定好单个切片大小,好比1M/片,计算文件总大小/单个切片大小=总切片数
3,计算文件MD5和每一个切片的MD5:引用spark-md5.min.js来生成MD5,此js的调用能够获取文件MD五、切片的MD5和切片的数据
4,调用A接口查询从第几个切片开始上传:须要向后台传入的关键参数是文件名、文件总大小、文件的MD5
5,获取到初始上传切片位置,正式开始分片上传到服务器:从A接口获取到切片位置后,调用接口B,将切片的MD5和切片数据传给后台,此后循环调用接口B,直到最后一切片上传结束
6,全部切片上传结束后,调用接口C将文件存库
复制代码
详细代码展现:
HTML:
<input type='file' title="" accept=".mp4"
name='myfiles' id="mediaFile" class ="" onchange="handleFile()" />
复制代码
获取文件信息:
function handleFile ( ) {
var fileInputs = $("input[name='myfiles']" )[0 ];
var name = fileInputs.files[0 ].name,
size = fileInputs.files[0 ].size,
type = fileInputs.files[0 ].type,
shardSize = 1024 * 1024 ,
shardCount = Math .ceil(size / shardSize);
}
复制代码
计算整个文件的MD5:(前提是引入了spark.js,下载地址: js-spark-md5 )
var singleFileData = new Array ();
var fileReader = new FileReader(),
blobSlice = File.prototype.mozSlice || File.prototype.webkitSlice || File.prototype.slice,
chunkSize = shardSize ,
chunks = shardCount,
currentChunk = 0 ;
var spark = new SparkMD5.ArrayBuffer();
fileReader.onload = function (e ) {
for (var i = 0 ; i < chunks; i++) {
var start = i * chunkSize,
end = ((start + chunkSize) >= file.size) ? file.size : start + chunkSize;
var sliceFile = blobSlice.call(file, start, end);
getChunkMd5(sliceFile, i);
}
spark.append(e.target.result);
if (currentChunk < chunks) {
currentChunk++;
loadNext();
} else {
var allFileEnd = spark.end()
console .log("此值为整个切片的MD5" , allFileEnd)
}
};
function loadNext ( ) {
var start = currentChunk * chunkSize,
end = start + chunkSize >= file.size ? file.size : start + chunkSize;
fileReader.readAsArrayBuffer(blobSlice.call(file, start, end));
if (singleFileData.length != chunks) {
singleFileData.push(blobSlice.call(file, start, end))
}
};
loadNext()
复制代码
计算切片的MD5:
(此步骤其实能够省略,但为了严谨后端须要根据前端传入的切片数据计算出MD5,跟前端传入的MD5对比)
var mySingleFileMd5 = []; //用于储存全部切片的MD5
function getChunkMd5(file, i) {
var spark = new SparkMD5.ArrayBuffer();
var fileReader = new FileReader();
fileReader.onload = function (e) {
spark.append(e.target.result);
mySingleFileMd5[i] = spark.end();// 将每一个切片的MD5存起来
console.log("全部切片的MD5数组=", mySingleFileMd5);
}
fileReader.onerror = function () {
console.warn('oops, something went wrong');
}
function loadNext() {
fileReader.readAsArrayBuffer(blobSlice.call(file, 0, file.size));
}
loadNext();
}
复制代码
调用接口A后获取到 PARTINDEX(从第几个切片开始上传),接着调用接口B进行上传,上传后手动计算进度。
A接口传参、取参以下:
var params = {
serviceid : 'wcm61_bigfile' ,
methodname : 'startUpload' ,
fileName : 手机QQ视频_20181212094958.mp4,
fileDigest : 65309 fc9684b4eb2f3d281da5ad17b6e,
fileSize : 100904886 ,
};
{
"MSG" :"操做成功" ,
"DATA" :{
"TOTALPARTCOUNT" :"49" ,
"PARTINDEX" :"1" ,
"PARTSIZE" :"2097152" ,
"FLAG" :"1" ,
"FILENAME" :"手机QQ视频_20181212094958.mp4"
},
"ISSUCCESS" :"true"
}
复制代码
B接口传参、取参以下:
var data = singleFileData[partIndex - 1 ]
var fileName =手机QQ视频_20181212094958.mp4;
var fileDigest = 65309 fc9684b4eb2f3d281da5ad17b6e;
var partIndex = 1 ;
var partDigest = ea58e21870ad4c22f2c75645564654b2;
{
"filename" :"手机QQ视频_20181212094958.mp4" ,
"PARTINDEX" :"2" ,
"PARTSIZE" :"2097152" ,
"totalPartCount" :"49"
"ISSUCCESS" :"1"
}
复制代码
经过B接口,不断将切片上传到服务器,而且实时计算上传进度
var processNum =
parseInt ((PARTINDEX - 1 ) / totalPartCount * 100 )
复制代码
最终实现静态效果和接口以下: