페이지에 두 개의 charset 태그가 필요합니까?

Question

정보를 얻기 위해 크롤링 페이지를 작성 중이며 Groovy에서 페이지 구문 분석과 관련된 많은 문제가 있습니다. 예를 들어, 나는 juniversal chardet를 사용하여 그냥 머리에 태그 페이지를 스캔 대부분의 시간을 작동 반 솔루션을했습니다,하지만 때로는 이러한 태그의 두 사람은 한 페이지에서 찾을 수 있습니다 :

<meta http-equiv="Content-Type" content="text/html; charset=utf-8" /> 
... 
<meta http-equiv="Content-Type" content="text/html; charset=iso-8859-1" /> 

인가 거기에 사용할 표준 (처음, 마지막, 둘 다?) 또는 이것을하기위한 더 쉬운 방법이 있습니까? 감사.

Answer 1

나는 경험적으로 그것을 할 것입니다 :

• 실제로 모든 ASCII인가? 그렇다면 사용하는 것은 중요하지 않습니다.
• 유효한 UTF-8을 준수합니까? 그렇다면, 나는 그것을 사용할 것입니다.
• 그렇지 않으면 ISO-8859-1을 사용하십시오.

당신도 웹 서버에서 돌아 오는 내용 유형 헤더를 볼 수도 있습니다

...

는 기본적으로 페이지가 깨진이지만, 위의 합리적인 줘야한다 "추측을."

Answer 2

이 동작은 HTML 사양에 의해 정의되지 않습니다. 같은 문서에 두 개의 개별 content-type 태그를 사용할 수 없습니다. 어쨌든이 문서를 파싱해야 할 것이므로 가장 좋은 방법은 개발자의 의도에 대해 숙련 된 추측을하는 것입니다.