爲什麼Curl/Wget混淆了這個網頁的編碼系統？

Question

例如，當前頁：

http://www.bilibili.tv/sitemap/sitemap-29.html

以UTF-8編碼。但是當我使用wget或curl它，保存爲一個文件，如：

curl http://www.bilibili.tv/sitemap/sitemap-29.html > 29.html 

然後使用Web瀏覽器來打開它。我發現它無法識別正確的編碼系統。有沒有人有這個想法？

Answer 1

如果您使用網絡瀏覽器並直接嘗試從文件系統打開文檔，這與通過www.bilibili.tv網絡服務器訪問它不同。在HTML內容本身旁邊，Web服務器發送幾個HTTP響應，其中Content-Type就是其中之一。最有可能會在這種情況下，已將：

Content-Type: text/html; charset=utf-8 

這將指示其接收到的文件是HTML瀏覽器，在UTF-8編碼。通過文件系統訪問相同的HTML內容時，缺少此信息。瀏覽器會嘗試從內容本身推斷字符集，但這可能會失敗，就像您的情況一樣。