获取html页面的编码

     html页面一般都会指定一个编码，如何获取到是处理html页面的第一步，因为错误的编码必然带来后面处理的问题。这里我用python的正则表达式写了个：

import  re

a  =  [ " <meta http-equiv="Content-Type" content="text/html; charset=utf-8" /> " ,
      ' <meta http-equiv=Content-Type content="text/html;charset=gb2312"> ' ,
      ' <meta http-equiv="Content-Type" content="text/html; charset=iso-8859-1"> ' ,
      ' <meta http-equiv="Content-Type" content="text/html; charset=gb2312" /> ' ,
      ' <meta http-equiv="content-type" content="text/html; charset=utf-8" /> ' ,
      ' <meta http-equiv="Content-Type" content="text/html; charset=gb2312" /> ' ,
      ' <meta http-equiv="Content-Type" content="text/html; charset=gb2312" /> '
     ]



b  =   " <meta[  ]+http-equiv=["']?content-type["']?[  ]+content=["']?text/html;[  ]*charset=([0-9-a-zA-Z]+)["']? "


B  =  re.compile(b, re.IGNORECASE)


for  ax  in  a:
    r1  =  B.search(ax)

     if  r1:
         print  r1.group()
         print  r1.group( 1 ), len(r1.group())
     else :
         print   ' not match '