Python怎么匹配HTML页面编码？

Question

Python怎么匹配HTML页面编码？

Answer 1

Comment Python correspond-il à l'encodage des pages HTML ? - Questions et réponses sur le site Web chinois PHP - Comment Python correspond-il à l'encodage des pages HTML ? - Questions et réponses sur le site Web chinois PHP

Veuillez regarder et apprendre.

Answer 2

html页面一般都会指定一个编码，如何获取到是处理html页面的第一步，因为错误的编码必然带来后面处理的问题。这里用python的正则表达式写了个：

import re
a = ["<meta http-equiv="Content-Type" content="text/html; charset=utf-8" />",
   '<meta http-equiv=Content-Type content="text/html;charset=gb2312">',
   '<meta http-equiv="Content-Type" content="text/html; charset=iso-8859-1">',
   '<meta http-equiv="Content-Type" content="text/html; charset=gb2312" />',
   '<meta http-equiv="content-type" content="text/html; charset=utf-8" />',
   '<meta http-equiv="Content-Type" content="text/html; charset=gb2312" />',
   '<meta http-equiv="Content-Type" content="text/html; charset=gb2312" />'
   ]
b = "<meta[ ]+http-equiv=["']?content-type["']?[ ]+content=["']?text/html;[ ]*charset=([0-9-a-zA-Z]+)["']?"
B = re.compile(b, re.IGNORECASE)
for ax in a:
  r1 = B.search(ax)
  if r1:
    print r1.group()
    print r1.group(1), len(r1.group())
  else:
    print 'not match'