如何为网页正确使用cjk字符的细节？

Question

我无法正确地看到cjk字符。它似乎是错误的ISO-8859编码。我认为UTF-8的编码是合适的。有人知道怎么解决这个问题吗。

$ wget http://yjs.cd120.com/daoshi.html 
$ grep 'selectid="99"' daoshi.html 
Binary file daoshi.html matches
$ file daoshi.html 
daoshi.html: HTML document text, ISO-8859 text, with very long lines, with CRLF line terminators

Answer 1

首先，您必须确定通过wget (或curl )获得的文件的实际编码。

发出命令：

grep 'Content-Type' daoshi.html

将展出：

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

其中charset=gb2312意味着html文件是用简体中文(GB 2312)编码的。

然后，可以使用iconv命令将文件转换为新的UTF-8版本：

iconv -f gb2312 -t utf-8 daoshi.html >daoshi-utf8.html

最后，根据您的需要，您可能希望调整文件开头的meta标记内容，以匹配新的编码，例如使用sed：

sed s/charset=gb2312/charset=utf-8/ daoshi-utf8.html >daoshi-utf8-final.html

Answer 2

https://www.w3.org/International/questions/qa-changing-encoding

摘要：

步骤1:将数据保存为UTF-8

步骤2:在页面中声明编码

<meta charset="utf-8"/>

步骤3:确保您的服务器执行正确的操作。