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

常规版本

// 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-md5
        const 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)

    });
}

大致思路如上，可能有些细节在使用时需要自己调整