字符集charset=unicode 是指UTF-8，UTF-16还是其他格式？

Question

当遇到以下Content-Type的HTML文档时：

text/html; charset=unicode

这句话应该怎样理解？

我目前在Java中使用charset的值作为InputReader构造器的第二个参数，例如：

inputStreamReader = new InputStreamReader(inputStream, charset);

这似乎将文档读取为UTF-16编码，这是否正确？我无法找到有关字符集名称“unicode”的任何文档以了解正确的内容。

- CodeBuddy

---

它是否会抛出运行时异常？你的浏览器如何处理它？ - Sotirios Delimanolis

在Mac 2011版的Microsoft Word中，当你选择保存为HTML时，会得到一个以UTF-16LE编码的文件，其中包含<meta http-equiv=Content-Type content="text/html; charset=unicode">。因此，Microsoft Word可能是你正在处理的HTML文件的起源。我认为"unicode"意味着UTF-16LE，尽管如果我将HTML文件转换为UTF-8并保留Content-Type不变，它仍然可以正常打开。 - Simon Kissane

Answer 1

实际上，这是错误的标题，"unicode"并不存在这样的字符集。

根据设置HTTP字符集参数。

任何在IANA字符集中具有预定义值的令牌。 这些是可用于互联网并可在互联网文档中引用的字符集的官方名称。 因此，您需要告诉此服务的开发人员修复错误，或者检查实际内容，然后才能将其视为utf-7 / 8/16。

- Iłya Bursov

---

在实践中，即使是网络浏览器也会以不正确的字符集“unicode”进行不同的处理：Chrome和IE暗示UTF-8，Firefox则暗示windows-1252（可能会有所不同）。通常没有使用UTF-16（更不用说UTF-7）来编写HTML文档的好理由，因此很可能“unicode”意味着UTF-8。 - Jukka K. Korpela

微软的.NET框架将unicode视为UTF-16LE的别名。 - dan04

Answer 2

实际上，当你将Microsoft Word导出为HTML格式并查看其生成内容时，它实际上会生成：

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

我发现这个原因是因为我需要生成的HTML将在Word中打开并以荷兰语正确显示，在我使用以下代码时：

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

MS Word打开文档时会显示不正确的字符（ë会显示为奇怪的中文符号），但当我将HTML中的“utf-8”改为“unicode”时，MS Word打开我的HTML并显示了正确的荷兰字符。那么MS Word又做错了什么吗？我不知道，但这是我必须输出的内容才能让它正常工作。

- geogan

Answer 3

Unicode是一个适用于所有（小于2^24）字符的编号标准，有几种字节格式：UTF-8（可变长度多字节）、UTF-16LE或UTF-16BE（2个字节的序列）甚至还有其他格式。

你所看到的是错误的。

- Joop Eggen