从http协议看无法得到网页charset的缘由[Java编程]
本文“从http协议看无法得到网页charset的缘由[Java编程]”是由七道奇为您精心收集,来源于网络转载,文章版权归文章作者所有,本站不对其观点以及内容做任何评价,请读者自行判断,以下是其具体内容:
原始问题以下:
http://topic.csdn.net/u/20080902/02/a6445aa1-2e6b-45c6-a47c-79009718c0fa.html
html网页的内容大致以下:
<!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;charset=gb2312" />
<title>CSDN首页 </title>
...
</head>
<body>
.....
</html>
我利用以下语句抓取近似上面的网页:
URL url = new URL("http://www.csdn.net");
HttpURLConnection connection = (HttpURLConnection)url.openConnection();
//成立衔接后,利用下面两句获得网页的编码格局
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,而不包含背面的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,能否因为这个空格的来由,而不能得到content-type的精确值
还有没有其他的办法可以得到页面的编码字符集?
答复:
connection.getContentType();
这个需求服务器设置了 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.
所以检测页面范例需求分3步,假如这一步不行,则用下一个
1 看header里面的ContentType,也就是你用的那个办法
2 看 html 里面的 ContentType ,也就是解析html页面
3 对html数据举行自动评价,近似于it里面的自动检测编码范例.
一段典型的返复书息的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>
....从这里开始是数据的本体
此文珍藏于:http://www.java2000.net/p9226
以上是“从http协议看无法得到网页charset的缘由[Java编程]”的内容,如果你对以上该文章内容感兴趣,你可以看看七道奇为您推荐以下文章:
本文地址: | 与您的QQ/BBS好友分享! |