Question

Un ejemplo de documento HTML recuperada a través de HTTP no tiene:

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

Con respecto a HTML5, es un valor predeterminado, por ejemplo, UTF-8, asumido como la codificación de caracteres? ¿O depende por completo de la aplicación que lee el documento HTML para elegir un valor predeterminado?

Answer 1

el juego de caracteres se determina utilizando estas reglas: override

1. usuario.
2. Un parámetro HTTP "charset" en un campo "Content-Type".
3. Orden de byte Marque antes que cualquier otro dato en el documento HTML en sí.
4. Una declaración META con un atributo "charset".
5. Una declaración META con un atributo "http-equiv" establecido en "Content-Type" y un valor establecido para "charset".
6. Análisis heurístico no especificado.

... y luego ...

1. normalizar la cadena de caracteres de codificación determinada de acuerdo con el juego de caracteres Alias ​​reglas definidas en la Norma Técnica Unicode 22 a juego.
2. Anular algunas codificaciones problemáticas, es decir, tratar intencionalmente algunas codificaciones como si fueran codificaciones diferentes. La anulación más común es el tratamiento de US-ASCII e ISO-8859-1 como Windows-1252, pero hay varias otras excepciones de codificación enumeradas en esta tabla. Como señala la especificación, "El requisito de tratar ciertas codificaciones como otras codificaciones de acuerdo con la tabla anterior es una violación deliberada de la especificación del Modelo de caracteres W3C".

Pero lo más importante es:

Usted debe siempre especificar una codificación de caracteres en cada documento HTML o ocurrirán cosas malas. Puede hacerlo de la manera difícil (encabezado de tipo de contenido HTTP), de la manera más fácil (declaración <meta http-equiv>), o de la nueva manera (atributo <meta charset>), pero hágalo. La web te agradece

Fuentes:

• 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