我试图弄清楚究竟是什么是 unicode、utf-8 等。我不完全理解 网络浏览器的作用以及为什么，以及 HTTP 服务器发送的内容。
举个例子：
在法国，据说网站http://www.priceminister.com/ 是用Latin-1 编码的
<meta http-equiv="Content-Type" content="text/html; charset=ISO-8859-1"/>
问题是：
由于 €（欧元符号）不是用 Latin-1 编码的，我怎么可能在我的屏幕上实际看到它？（顺便说一句：太贵了）
下一个问题是：
如果我抓取此网页，并将其从 Latin-1 解码为 Unicode，我的 €uro 符号会发生什么，它本来不应该以 Latin-1 编码？
【问题讨论】：
标签： html browser unicode encoding utf-8
字符集告诉您如何在弄清楚 HTML 语法（解析 HTML）之前解释低级别的“字节”
Latin 1 (ISO 8859-1) 不包含欧元字符。
但是大多数浏览器“知道”如果您声明您的字符集为 ISO 8859-1，但使用 80h-9Fh 范围内的字节，那么您可能是指 windows-1252 并改用它 (https://en.m.wikipedia.org/wiki/Windows-1252)
事实上，所有主流浏览器都进行字符集检测，并且可以检测到的不仅仅是 windows-1252。您当然可以挖掘并查看 Firefox 和 Chrome 的功能，因为它们是开源的。
另一种可能是页面使用了数字或命名实体：€或 €或 €。这与字符集无关。因此，您甚至可以在 ASCII 文件中包含欧元、日语或表情符号。
如果您进行抓取，您可以执行浏览器所做的操作并尝试检测字符集。如果您盲目相信字符集声明，欧元将会丢失。
如果页面使用实体，那么您的 html 解析器可能会为您解释（取决于解析器及其配置方式）。如果没有，则必须自己进行解码。
在抓取时，即使字符集声明是正确的，您也必须始终进行非转义（或让解析器这样做）。即使在 utf-8 文件中，也没有什么能阻止我使用实体。
【讨论】：