为什么Curl/Wget混淆了这个网页的编码系统？

Question

例如，当前页：

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

以UTF-8编码。但是当我使用wget或curl它，保存为一个文件，如：

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

然后使用Web浏览器来打开它。我发现它无法识别正确的编码系统。有没有人有这个想法？

Answer 1

如果您使用网络浏览器并直接尝试从文件系统打开文档，这与通过www.bilibili.tv网络服务器访问它不同。在HTML内容本身旁边，Web服务器发送几个HTTP响应，其中Content-Type就是其中之一。最有可能会在这种情况下，已将：

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

这将指示其接收到的文件是HTML浏览器，在UTF-8编码。通过文件系统访问相同的HTML内容时，缺少此信息。浏览器会尝试从内容本身推断字符集，但这可能会失败，就像您的情况一样。