字符集檢測，元與標題

Question

我們最近在嘗試確定用於頁面的正確編碼時遇到了一些麻煩。 我們遇到了具有以下設置的頁面：

標頭響應：

Content-Type:text/html; charset=GBK

元標記：

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

實際內容以GBK為單位，現代瀏覽器足夠聰明，可以為此頁面使用正確的編碼。

但是對於爬蟲（使用curl），我們不得不決定選擇一個字符集值而不是另一個。 所以我的問題是： 將標頭字符集替換為元字符集是正常的事情嗎？

（我們嘗試過的大多數基於內容的編碼檢測算法充其量都是不穩定的，只要一個字符集比另一個字符集更可靠，相對於我們自己的編碼檢測中的任何一種，我們更喜歡使用指定的字符集。）

Answer 1

將標頭字符集替換為元字符集是正常的事情嗎？

是。 請參閱規格 。

在第4步檢查HTTP標頭。直到第5步（如果它在文件中顯示得足夠快）或第9步（否則），才檢查Meta。