前阵子因为需要用到idhttp下载网页,然而令人很生气的是,他下载的html源码是乱码的,这样子是没有办法使用的,所以就必须要把他进行编码格式转换,然而令人困扰的是,他是什么格式,又该怎么转,转成什么格式,这都是问题,转成什么格式,自然是ansi ,可以正常人看的懂的才行了,该怎么转,就必须先知道原先是什么格式了,,他是什么格式,这个就不好办了
网页格式,不外乎三种,utf8 ,gbk,gb2312, 再细分的话,utf8 属于双字节,gbk,gb2312属于单字节,他们的编码方式分别为 unicode 和ansi ;也就是说,我们下载的网页他们的编码方式就是unicode 和ansi,那么目标明确了我们需要做的是,判断网页到底是哪种编码,二选一,然而很遗憾的是,在网上并没有找到有用的信息,而且也没有找到能够判断字符是属于那种编码的函数,于是自己就想了个方法,写了下面的语句:
function htmlDecode(html:string);
begin
html:=lowercase(html);
if (not containtext('charset=',html) or containtext('=utf',html)) then
html:=utf8decode(html);
result:=html;
end;
这个函数对于大多数网页还是有效果的,然而却存在两个问题: