关于HTML网页源码的字符编码（charset）格式（GB2312，GBK，UTF-8，ISO8859-1等）的解释

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html字符编码有关的流程

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（header），找到对应的charset=xxx这部分的内容，然后把根据xxx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，比如IE9，去打开对应的url地址：

http://www.songtaste.com/user/351979/

时，IE9中是可以正常显示对应网页内容的：

而此时，内部发生的过程就是：

1.IE9去访问url地址：

http://www.songtaste.com/user/351979/

去获得对应的html源码。

2.然后解析html源码并显示

其中包括了，解析html的头部信息，找到charset=gb2312，然后用GB2312编码格式去解码，然后就可以正常显示html中的内容，确保不是乱码了。

 

如何知道HTML源码是什么编码格式的

其中，关于html中charset部分的内容，此处详细解释一下：

此处我们可以通过Notepad++去查看当前html页面的源码：

 

然后就可以看到源码了，然后设置语言为HTML后，就可以方便看到对应的语法高亮后的源码了，其中就可以看到对应的html的header中的

<meta http-equiv="content-type" content="text/html;charset=gb2312">

部分的内容：

 

注：关于Notepad++的使用，以及如何设置为默认的HTML编辑器，不熟悉的可参考：

Notepad++的默认HTML查看器

 

此处的

charset=gb2312

就是我们所要找的，html的字符编码类型。

如果我们按照此编码格式去解析html内容，就可以正常解析，不会出现乱码了。

 

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。

对此，需要稍微注意一下。

注：关于gb2312,和gbk的关系，不了解的去看：

中文字符编码标准

 

常见的html的编码类型（即常见的html的charset的值有哪些）

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。