Necesito una función que pueda verificar si un archivo o un objeto blob es UTF-8 válido. Puedo obtener el texto y verificar los caracteres �, pero si la cadena tiene ese carácter para comenzar, la función lo marcaría como inválido.
function isUTF8(blob) { return new Promise(async resolve => { const text = await blob.text(); resolve(!~text.indexOf("�")); }); } // "�" is valid utf-8 but the function returns false isUTF8(new Blob(["�"])).then(console.log); // returns true isUTF8(new Blob(["example"])).then(console.log);Puede utilizar la API de TextDecoder :
async function isUTF8(blob) { const decoder = new TextDecoder('utf-8', { fatal: true }); const buffer = await blob.arrayBuffer(); try { decoder.decode(buffer); } catch (e) { if (e instanceof TypeError) return false; throw e; } return true; } (async () => { console.log(await isUTF8(new Blob( [new Uint8Array([0x80])]))); // false console.log(await isUTF8(new Blob( [new Uint8Array([0xef, 0xbf, 0xbd])]))); // true console.log(await isUTF8(new Blob( ["\ufffd"]))); // true console.log(await isUTF8(new Blob( ["example"]))); // true })().catch(e => console.warn(e)); Lo anterior carga todo el Blob en un ArrayBuffer por simplicidad. Si la eficiencia de la memoria se convierte en un problema, puede considerar usar el método .stream() para procesar el Blob en partes, sin mantenerlo en la memoria en su totalidad.