81,115
社区成员
发帖
与我相关
我的任务
分享高分求助：为什么在用java程序获得网页编码格式时charset找不到？
html网页的内容大致如下：
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<html>
<head>
<meta http-equiv="Content-Type" content="text/html; charset=gb2312" />
<title>CSDN首页</title>
...
</head>
<body>
.....
</html>
我使用以下语句抓取类似上面的网页：
URL url = new URL("http://www.csdn.net");
HttpURLConnection connection = (HttpURLConnection)url.openConnection();
//建立连接后，使用下面两句取得网页的编码格式
String contentType = connection.getHeaderField("Content-Type");
contentType = connection.getContentType();
无论是哪一句，得到的contentType的值都是text/html，而不包含后面的charset=gb2312，这是为什么？
我注意到一个问题，content="text/html; charset=gb2312"这里，在;和charset之间有一个空格，是否因为这个空格的缘故，而不能得到content-type的准确值
还有没有其他的办法可以得到页面的编码字符集？
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<html>
<head>
<meta http-equiv="Content-Type" content="text/html; charset=gb2312" />
<title>CSDN首页</title>
...
</head>
<body>
.....
</html>
我使用以下语句抓取类似上面的网页：
URL url = new URL("http://www.csdn.net");
HttpURLConnection connection = (HttpURLConnection)url.openConnection();
//建立连接后，使用下面两句取得网页的编码格式
String contentType = connection.getHeaderField("Content-Type");
contentType = connection.getContentType();
无论是哪一句，得到的contentType的值都是text/html，而不包含后面的charset=gb2312，这是为什么？
我注意到一个问题，content="text/html; charset=gb2312"这里，在;和charset之间有一个空格，是否因为这个空格的缘故，而不能得到content-type的准确值
还有没有其他的办法可以得到页面的编码字符集？
...全文
请发表友善的回复…
发表回复
miaoliujun 2008-09-02
- 打赏
- 举报
request里获取的是传输时候的编码，需要在程序中设置response的编码，这两个是对应的
而meta中的和这个是两回事了，主要用于浏览器显示时候字符集的选择
而meta中的和这个是两回事了，主要用于浏览器显示时候字符集的选择
handsome224521 2008-09-02
- 打赏
- 举报
顶一下 jf
吴冬冬 2008-09-02
- 打赏
- 举报
根据html内容的编码规律，自动检测
还要注意一个页面多种编码的情况
还要注意一个页面多种编码的情况
老紫竹 2008-09-02
- 打赏
- 举报
一段典型的返回信息的Header数据
HTTP/1.1 200 OK
Date: Mon, 01 Sep 2008 23:13:31 GMT
Server: Apache/2.2.4 (Win32) mod_jk/1.2.26
Vary: Host,Accept-Encoding
Set-Cookie: JAVA2000_STYLE_ID=1; Domain=www.java2000.net; Expires=Thu, 03-Nov-2011 09:00:10 GMT; Path=/
Content-Encoding: gzip
Transfer-Encoding: chunked
Content-Type: text/html;charset=UTF-8
<html>
.....
本问题有典型性，我整理于这里：http://www.java2000.net/p9226
HTTP/1.1 200 OK
Date: Mon, 01 Sep 2008 23:13:31 GMT
Server: Apache/2.2.4 (Win32) mod_jk/1.2.26
Vary: Host,Accept-Encoding
Set-Cookie: JAVA2000_STYLE_ID=1; Domain=www.java2000.net; Expires=Thu, 03-Nov-2011 09:00:10 GMT; Path=/
Content-Encoding: gzip
Transfer-Encoding: chunked
Content-Type: text/html;charset=UTF-8
<html>
.....
本问题有典型性，我整理于这里：http://www.java2000.net/p9226
老紫竹 2008-09-02
- 打赏
- 举报
connection.getContentType();
这个需要服务器设置了 ContentType才可以，这个数据在文件头里面，而不是在文件的主体(也就是你看到的html）里面。
所以检测页面类型需要分3步，如果这一步不行，则用下一个
1 看header里面的ContentType,也就是你用的那个方法
2 看 html 里面的 ContentType ，也就是解析html页面
3 对html数据进行自动评估，类似于it里面的自动检测编码类型。
这个需要服务器设置了 ContentType才可以，这个数据在文件头里面，而不是在文件的主体(也就是你看到的html）里面。
所以检测页面类型需要分3步，如果这一步不行，则用下一个
1 看header里面的ContentType,也就是你用的那个方法
2 看 html 里面的 ContentType ，也就是解析html页面
3 对html数据进行自动评估，类似于it里面的自动检测编码类型。
千山独行 2008-09-02
- 打赏
- 举报
请问老紫竹，需要服务器设置了 ContentType是什么意思，是指tomcat等webserver某个配置文件设置这个值，还是静态文件的文件头<head>内设置这个值？
【无人机路径规划】基于冠豪猪优化算法的三维路径规划模型设计：多目标约束下安全高效飞行路径生成方法 项目介绍 Python实现基于冠豪猪优化算法（CPO）进行无人机三维路径规划（含模型描述及部分示例代码