XII

版权声明：转载时请以超链接形式标明文章原始出处和作者信息及本声明
http://no12.blogbus.com/logs/37940829.html

说起来简单，但也是经过好几个项目，来来回回出问题得出来的。

• 最终转成UTF8输出是毋庸置疑的。
• 抓的如果是中文页面的话，用GB18030来decode是比较正统的方法，gb2312是一个误区，其实我们的页面中使用的字符编码已经早就超出2312的那些了。
• 明明是中文页面抓回来却没法用18030来decode的话，一般是因为页面中混杂了非法字符的原因，可以用ignore忽略掉非法字符。（还是最近在邮件列表里偶然看到的）