这两个网站不能自动识别编码，麻烦坛主看看能修复不

yq5858588

http://www.51etong.com/kpzx/zjzb/7262242111.html
http://www.123cha.com/hyzx/cxjq/7263784723.html

站长苏飞

这是因为网页误导了Httphelper，Httphelper是根据页面返回的Mate值首页进行解码的，但是这两个页面上写的是Utf-8，实际是gb2312

因为Httphelper是一个单一的类，暂时没有办法增加太复杂的解码逻辑，先手动指定吧。

cload

是不是变相广告？（善意质疑……）
如不是，解决很简单，直接根据返回头来处理，而不用从页面中获取。
我目前处理的流程就是，首先判断返回头中有无编码格式，有就取它，没有，再尝试从网页中取。
假如这两步都不准确，那就只能手工了（当然，网上有根据字节流解码的文章，整理后的类约90KB，估计一般人不想用。如你想用，搜索一下就是。）。

yq5858588

站长苏飞 发表于 2014-11-23 17:56
这是因为网页误导了Httphelper，Httphelper是根据页面返回的Mate值首页进行解码的，但是这两个页面上写的是 ...

晕死呀楼主，我要采集的是各种网页，我不能固定编码呀？

站长苏飞

yq5858588 发表于 2014-11-24 09:11
晕死呀楼主，我要采集的是各种网页，我不能固定编码呀？

没有办法指定就自己写一套吧，我做不了，可以不用我的类，不用那么激动。

yq5858588

站长苏飞 发表于 2014-11-24 11:33
没有办法指定就自己写一套吧，我做不了，可以不用我的类，不用那么激动。

cload

我已经指了一条路，LZ无视。
站长的类免费，爱用不用。
现在的年青人太浮躁，请教个问题都居高临下！！

yq5858588

cload 发表于 2014-11-24 13:42
我已经指了一条路，LZ无视。
站长的类免费，爱用不用。
现在的年青人太浮躁，请教个问题都居高临下！！

你说的那个方法我试过了，有的网页会返回iso88591的编码，但是真正的编码还是utf或者是gbk，所以你那个方法出来后也会是乱码，不知道网页正真的编码是啥

cload

yq5858588 发表于 2014-11-24 13:58
你说的那个方法我试过了，有的网页会返回iso88591的编码，但是真正的编码还是utf或者是gbk，所以你那个方 ...

不是还有个根据字节流判断编码的么？？？
看过帖子回复一下是个好习惯

yq5858588

cload 发表于 2014-11-24 15:56
不是还有个根据字节流判断编码的么？？？
看过帖子回复一下是个好习惯

具体怎么做教教俺!!!!