字符集检测，元与标题

Question

我们最近在尝试确定用于页面的正确编码时遇到了一些麻烦。 我们遇到了具有以下设置的页面：

标头响应：

Content-Type:text/html; charset=GBK

元标记：

<meta http-equiv="Content-Type" content="text/html; charset=utf-8" />

实际内容以GBK为单位，现代浏览器足够聪明，可以为此页面使用正确的编码。

但是对于爬虫（使用curl），我们不得不决定选择一个字符集值而不是另一个。 所以我的问题是： 将标头字符集替换为元字符集是正常的事情吗？

（我们尝试过的大多数基于内容的编码检测算法充其量都是不稳定的，只要一个字符集比另一个字符集更可靠，相对于我们自己的编码检测中的任何一种，我们更喜欢使用指定的字符集。）

Answer 1

将标头字符集替换为元字符集是正常的事情吗？

是。 请参阅规格 。

在第4步检查HTTP标头。直到第5步（如果它在文件中显示得足够快）或第9步（否则），才检查Meta。