logo标签列表

Chrome如何确定正确的字符编码？

google-chromeencodingcharacter-encodingwebkitchromium
5
最近我一直在处理很多字符集，发现在尝试为随机网页建立正确的字符集时会出现很多问题。字符集可以在html文档的头部设置，或者在<head>部分内多次设置，有时声明也可能被省略。尽管存在这些问题，Chrome每次都能很好地设置最佳字符集。

我尝试搜索源代码，但由于不知道该去哪里查找，所以没有找到任何内容。

因此，我的问题是在哪里可以找到算法？

谢谢！

更新：

问题示例：

文档的HTTP标头（基于服务器配置）：
Content-type: text/html; charset=utf-8
而文档看起来像： 

<?xml version="1.0" encoding="ISO-8859-1"?>
<html>
<head>
<meta charset="UTF-8">
<meta http-equiv="Content-type" content="text/html;charset=ISO-8859-1" />
</head>
<body>...</body>
</html>

哪种编码将用于呈现文本？
您没有指定来源。似乎存在误解，因为字符编码无法在文档内更改。 - Jukka K. Korpela
我并不是说它会改变，但可以声明多次。 请查看更新 - Stefan Rogin
无论是UTF-8还是ISO-8859-1或CP1251或Venusian，这都是未定义的行为。通常，HTTP头部指定它是HTML文本，但你却发送了一个XML文档（第一个错误）。然后，你没有说明HTML的版本，所以应该是HTML4。在这种情况下，应该使用pragma（http-equiv），但它正在重新定义HTTP头部，因此在解析时不太可能产生影响。 - xryl669
很多时候答案是它不会。 - Casey
2个回答
4

Chrome使用https://github.com/google/compact_enc_det。

如果您想阅读调用该项目的实际代码，则该函数为DetectTextEncoding，位于文件third_party/blink/renderer/platform/text/text_encoding_detector.cc中，具体代码请参见这里。

-1

头信息的字符集会始终覆盖元信息中的字符集。

我已经阅读过，但我认为这并不简单，我已经了解到Chrome正在使用其语言设置来猜测字符集，我认为它有某种验证方式，例如，如果一个UTF8页面在元和HTML标题中都设置为ISO-8859-1，并且该页面在Chrome中正确呈现，则可能检测到BOM等。 - Stefan Rogin
网页内容由stack overflow 提供, 点击上面的
可以查看英文原文，
原文链接