【前端碎片记录】大文件分片上传

大文件分片上传，主要是为了提高上传效率，避免网络问题或者其他原因导致整个上传失败。

HTML部分没什么特殊代码，这里只写js代码。用原生js实现，框架中可参考实现

// 获取上传文件的 input框
const ipt = document.querySelector("input")ipt.onchange = async (e) => {// 拿到文件const file = e.target.files[0];if (!file) {return }// 通过 cutFile函数，拿到切片后的数据结果cutFile(file).then(res => {// res 是一个 切片后的结果数组// 用来上传后端// res 数据结构大概是这样// [//     {//         blob: Blob, // 分片文件数据//         end: 22222, // 当前分片的截止位置//         hash: 121212122dasd // 当前分片的hash值，用来确认哪些片段已经上传，哪些上传失败好重新上传//         index: 0, // 当前分片的索引（在所有分片中的位置）//         start: 0, // 当前分片的起始位置//     }// ]})
}// 定义 cutFile 函数
const CHUNK_SIZE = 1 * 1024 * 1024; // 每一片文件的大小 这里暂定 每片 1MB
async function cutFile(file) {let res = [];let chunkCount = Math.ceil(file.size / CHUNK_SIZE); // 向上取整，即 即算出来 5.5片 就取 6片for (let i = 0; i < chunkCount; i++) {let chunk = await createChunks(file, i, CHUNK_SIZE)res.push(chunk);}return res;
}// 创建分片辅助函数
function createChunks (file, index, chunkSize) {return new Promise((resolve) => {const start = index * chunkSize;const end = start + chunkSize; // 注意边界问题const spark = new SparkMD5(); // 用来生成文件hash，需要安装 spark-md5const fileReader = new FileReader();const blob = file.slice(start, end);fileReader.onload = e => {spark.append(e.target.result)resolve({start,end,blob,hash: spark.end(), // 这一步是同步任务，很耗时，如果分片很多，请考虑使用web worker开启多线程进行index});}fileReader.readAsArrayBuffer(blob)});
}