如何使用node.js在html 4上获得字符集？

Question

试图得到这个字符集：

<meta http-equiv="Content-Type" content="text/html; charset=UTF-8">

当我打印响应头时：

console.log(response.headers);

我没有得到字符集，它应该在内容类型中：

{ 
    server: 'Apache',
    'content-type': 'text/html',
    expires: 'Mon, 19 Jan 2015 11:53:58 GMT',
    'content-language': 'en', etag: '"95c66e83dfd2080ec86ec4e20964788d"',
    'x-pal-host': 'pal115.telhc.bbc.co.uk:80',
    'content-length': '120599',
    date: 'Mon, 19 Jan 2015 11:53:44 GMT', connection: 'keep-alive',
    ...
}

如何在node.js中的html 4网站上获得字符集？提前谢谢。

Answer 1

<meta>标记不是标题，因此它们的值不会显示在HTTP的headers属性中。您需要解析响应体。这确实提出了一个问题:您如何知道如何在不知道编码的情况下解析某物？

这就是web浏览器如何粗略地处理未在Content-Type头中正确定义其内容类型的文件，上次我检查了：

1. 开始使用(用户定义的)默认值来解析文档正文，比如UTF-8。
2. 猜猜使用的字符集是什么:例如，如果UTF-8中有大量不可打印的字符，但它们恰好在Shift JIS中使用，那么您可能正在处理这个问题。
3. 如果解析器碰巧检测到以下情况之一：
   • <meta http-equiv="Content-Type">
   • <meta charset=""> 然后，部分解析文档被抛出，解析从文件的顶部重新启动。

​

您可以理解为什么总是包含带有字符集的Content-Type头是个好主意。对于您的应用程序，您可以省略步骤2，如果您不太担心某些文档被混淆的话。

作为一个很好的例子，StackOverflow本身设置了一个Content-Type头，因此它没有(需要) <meta charset>或<meta http-equiv="content-type">标记。