Question

Przykładowy dokument HTML pobierane przez HTTP brakuje:

• HTTP Content-Type nagłówek
• html <meta charset="<character encoding>" />
• html <meta http-equiv='Content-Type' content='Type=text/html; charset=<character encoding>'>

W odniesieniu do HTML5, to domyślne, na przykład UTF-8, zakładany jako kodowanie znaków? Czy jest to całkowicie w górę aplikacji czytanie dokumentu HTML, aby wybrać domyślny?

Answer 1

charset jest określana za pomocą tych zasad: nadpisanie

1. użytkownika.
2. Parametr "zestawu znaków" HTTP w polu "Content-Type".
3. Oznaczenie kolejności bajtów przed innymi danymi w samym dokumencie HTML.
4. Deklaracja META z atrybutem "charset".
5. Deklaracja META z atrybutem "http-equiv" ustawionym na "Content-Type" i wartością ustawioną dla "charset".
6. Nieokreślona analiza heurystyczna.

... a potem ...

1. znormalizować dany ciąg kodowania znaków według charset Alias ​​Dopasowane zasad określonych w Unicode standard techniczny # 22.
2. Pomijanie niektórych problematycznych kodowań, tj. Celowe traktowanie niektórych kodowań tak, jakby były one różnymi kodowaniami. Najczęstszym nadpisaniem jest traktowanie US-ASCII i ISO-8859-1 jako Windows-1252, ale w tej tabeli wymieniono kilka innych nadpisań kodowania. Jak podaje specyfikacja, "wymóg traktowania pewnych kodowań jako innych kodowań zgodnie z powyższą tabelą jest świadomym naruszeniem specyfikacji modelu znaków W3C".

Ale najważniejszą rzeczą jest:

Należy zawsze określić kodowanie znaków na każdy dokument HTML lub złe rzeczy się wydarzy. Możesz to zrobić w trudny sposób (nagłówek treści treści HTTP), w łatwy sposób (deklaracja <meta http-equiv>) lub w nowy sposób (atrybut <meta charset>), ale zrób to. Sieć dziękuje.

Źródła:

• http://blog.whatwg.org/the-road-to-html-5-character-encoding
• http://www.whatwg.org/specs/web-apps/current-work/multipage/parsing.html#determining-the-character-encoding