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。我们遇到了一个包含以下设置的页面：
标题回复：
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，现代浏览器非常智能，可以为此页面使用正确的编码。
但是对于爬虫（使用curl），我们被迫决定选择一个字符集值而不是另一个。所以我的问题是：在meta charset上使用标题字符集是正常的事情？
（我们尝试过的大多数基于内容的编码检测算法充其量只是摇摇欲坠，只要一个字符集比另一个字符集更可靠，我们更喜欢使用指定的字符集而不是我们自己的编码检测。）
答案 0 :(得分：2)
将meta charset作为正常情况下的标题字符集？
是。请参阅the specification。
在步骤4中检查HTTP标头。直到步骤5（如果它在文件中很快出现）或步骤9（否则），不检查Meta。