Question

例如，此页面：

以utf-8编码。但是当我使用wget或curl将其保存为文件时，例如：

curl http://www.bilibili.tv/sitemap/sitemap-29.html > 29.html

然后使用网络浏览器打开它。我发现它无法识别正确的编码系统。有没有人对此有所了解？

Answer 1

如果您使用网络浏览器并直接尝试从文件系统打开文档，则不同于通过www.bilibili.tv网络服务器访问它。在HTML内容本身旁边，Web服务器会发送多个HTTP响应，其中Content-Type就是其中之一。很可能它会在这种情况下发送：

Content-Type: text/html; charset=utf-8

将指示浏览器它接收的文档是HTML，以UTF-8编码。通过文件系统访问相同的HTML内容时，缺少此信息。浏览器将尝试从内容本身推断出charset，但这可能会失败，就像你的情况一样。