[IT]HTML网页源码的字符编码（charset）解释

当你通过浏览器，打开某个网站，即某个url地址的时候，你所能正常看到网页的内容，各种文字，都可以正常显示，且没有显示乱码。

此过程，涉及到，浏览器帮你正确解析HTML源码，其中涉及到HTML网页源码的字符编码处理方面的问题。

和字符编码处理相关的大概逻辑是：

1.浏览器访问对应的url地址，并获取对应的HTML（或者，以及，其他的css，javascript等）网页源码

2.浏览器识别解析HTML源码内容

其中包含了解析HTML的头部（head），找到对应的charset和Content-type

head中把Content-type设置为“text/html”。head让浏览器将该响应内容以HTML形式呈现，而不是以文件形式下载它。

然后把根据charset所指示的字符编码类型，去解码对应的HTML内容，显示对应的文字，以保证不是乱码，可以正确的显示文字信息；

举个例子：

当我们通过浏览器，去打开对应的url地址：http://sports.sohu.com/

浏览器可以正常显示对应网页内容：

而此时内部发生的过程是：

1.浏览器去访问url地址：http://sports.sohu.com/去获得对应的HTML源码。（中间很有很多处理过程，省略，具体参考：当你在浏览器地址栏输入一个URL后回车，将会发生的事情？）

2.然后解析HTML源码并显示给用户

其中包括了解析HTML的head，知道content=text/html,charset=gb2312，然后用gb2312编码格式去解码，HTML形式呈现,然后就可以正常显示HTML中的内容，确保不是乱码了。

上面截图就是网页源代码，我们可以很清楚的看到我们要的信息。

注意：

1.之前就看到某处说过，有个别的html网页本身做的不规范，导致本身自己声明的是某种编码类型，

但是实际上，并不全是该类型的编码，导致你去按照其所声明的编码去解析，有时候仍会出现乱码。

比如，其html中明明写的是charset=gb2312，但是实际上，其部分字符是属于GBK的，导致你按照gb2312去解码，有些字符仍会是乱码，

而安装gbk去解码，就全都正常显示了，没有乱码了。即实际上应该是charset=gbk。

常见的HTML编码类型：

国内的网站，尤其是以前建的，好像很多还是GB2312（charset=gb2312），或者是GBK（charset=gbk）

但是越来越多的，都是采用兼容性更好的，包含字符更多的UTF-8编码的了（charset=utf-8）

国外的完整，如果只是某种语言的，比如英文的，好像也有采用iso8859-1的（charset=iso8859-1），同样，更多的网站，还是采用的是utf-8的。

总结：

• 国内外的多数网站，都是采用charset=utf-8
• 部分国外网站采用charset=gb2312或charset=gbk
• 部分国外网站采用某种自己所属语言的编码，比如charset=iso8859-1