我知道http头中的参数charset =：Content-Type可用于确定html内容的charset。但是如果Content-Type标头中缺少参数，那么如何知道html内容的字符集呢？我也知道有标签如 “meta charset =”utf-8“” 在html中用于指定charset。但是我们只有在解析html并解析html之后才能获得该标记需要首先知道charset。
答案 0 :(得分：2)
您完全正确地需要开始解析HTML才能看到<meta charset元素。
但这是标准化行为：您必须遵循编码嗅探算法，该算法开始处理HTML源，直到它知道编码，然后使用已知编码进行重新分析。显然这会产生你想象的限制，所以你应该根据昆汀的评论查看spec，因为你需要注意很多案例。
基本上，如果内容可能是UTF-16（或UCS-2），您的嗅探器需要能够识别UTF-16字节顺序标记。它需要识别"<!--"和"-->"才能跳过评论，并"<meta "或"<meta/"识别元素的开头，可以使用{{ 1}}，"http-equiv"或"content"标记。
创作HTML时，应确保文件中"charset"元素尽可能早，在前1024个字节内，最好是在文件中第一次出现非ascii字符之前。< / p>
答案 1 :(得分：2)
如果charset标头中没有明确的Content-Type属性，则通过不同传输发送的不同媒体类型具有不同的默认字符集。
例如，只是为了显示一些定义：
与其他一些参数值不同，charset参数的值不区分大小写。 默认字符集（在没有charset参数的情况下必须假设）是US-ASCII。
＆＃34; charset＆＃34;参数与某些媒体类型一起用于定义数据的字符集（section 3.4）。 当发件人没有提供明确的字符集参数时，＆＃34; text＆＃34;的媒体子类型type定义为默认字符集值为＆＃34; ISO-8859-1＆＃34;通过HTTP 收到。除了＆＃34; ISO-8859-1＆＃34;以外的字符集中的数据。或其子集必须用适当的字符集值标记。有关兼容性问题，请参阅section 3.4.1。
后来被RFC 7231 Appendix B，
推翻了已删除文本媒体类型的ISO-8859-1默认字符集;现在默认为媒体类型定义。同样，已从Accept-Charset标题字段中删除了对ISO-8859-1的特殊处理。 （Section 3.1.1.3和Section 5.3.3）。
RFC 3023，XML媒体类型规范的3.1，3.3，3.6和8.5部分说：
符合[RFC2046]，如果收到text / xml实体且省略了charset参数，MIME处理器和XML处理器必须使用＆＃34; us-ascii＆＃34; [ASCII]的默认字符集值]。在通过HTTP传输XML MIME实体的情况下，默认的字符集值仍然是＆＃34; us-ascii＆＃34; 。 （注意：此规范与HTTP / 1.1之间存在不一致，由于历史原因，它使用ISO-8859-1 [ISO8859]作为默认值。由于XML是一种新格式，因此应选择新的默认值以获得更好的I18N。选择了US-ASCII，因为它是UTF-8和ISO-8859-1的交集，因为它已经被MIME使用了。）
text / xml-external-parsed-entity的charset参数的处理方式与text {xml的相同，如Section 3.1中所述。
以下列表适用于顶级类型＆＃34; text＆＃34;下的text / xml，text / xml-external-parsed-entity和基于XML的媒体类型。根据此规范定义charset参数：
...
- 如果未指定charset参数，则默认为＆＃34; us-ascii＆＃34;。 ＆＃34; iso-8859-1＆＃34;的默认值在HTTP中明确重写。
JSON规范的此示例显示省略了charset参数的text / xml。在这种情况下，MIME和XML处理器必须假设charset是＆＃34; us-ascii＆＃34;，[RFC2046]中指定的文本媒体类型的默认字符集值。 ＆＃34; us-ascii＆＃34;的默认值即使使用HTTP传输text / xml实体，也会保留。
对于text / xml，不推荐省略charset参数。例如，即使XML MIME实体的内容是UTF-16或UTF-8，或者XML MIME实体具有显式编码声明，XML和MIME处理器也必须假设字符集是＆＃34; us-ascii＆＃34 ;
JSON文本应以UTF-8，UTF-16或UTF-32编码。默认编码为UTF-8 ，以UTF-8编码的JSON文本可以互操作，因为它们将通过最大数量的实现成功读取;有许多实现无法成功读取其他编码中的文本（例如UTF-16和UTF-32）。
实现绝不能在JSON文本的开头添加字节顺序标记。为了互操作性，解析JSON文本的实现可以忽略字节顺序标记的存在，而不是将其视为错误。
注意： No＆＃34; charset＆＃34;参数是为此注册定义的。添加一个对合规收件人没有任何影响。
因此，通常，如果您想知道给定资源使用的字符集，并且该字符集不是通过外部方式表达的，例如charset标题的Content-Type属性，那么您必须确定您正在处理的数据类型，然后根据数据类型规范的概述确定其字符集。
在您的情况下，您正在处理HTML over HTTP，因此RFC 2616规则适用于您。 HTML 5 spec，8.2.2.2部分定义了一个非常详细的算法，用于在charset标题中未指定Content-Type属性时确定HTML的字符集。该算法首先检查是否存在UTF BOM，如果不存在，则假设HTML为8位，并对包含字符集或语言声明的任何<meta>标记进行解析。
XML 1.0 spec，Appendix F还定义了一种算法，可以轻松确定XML序言使用的字符集，以便您可以读取其Encoding属性（如果存在），以确定剩下的XML的字符集。