delphi 如何判断编码格式,解决乱码问题

          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:

1、如果"charset=" 等号和charset 中间存在空格,那么就会出问题,

2、用这个方法解析出来的网页,虽然是ansi的,而且也能看懂,然而,在有的标签和中文间转换会出错,会把标签的"<" 和中文的编码,一起转义成"?"号,破坏html文件。

      若果对于标签不是很在乎的还是可以用,然而对于需要的却是个灾难性问题,后来在看一篇文章的时候,找到了另一种有效的方法;


方法二:

       这种方法使用的是预编译,如下:

function htmldecode(html:string):string;
begin
     {$IFDEF UNICODE}
     result:=html;
     {$ELSE}
     result:=utf8decode(html);
     {$ENDIF}
end;

用这种方法后,第一种的出现的问题都没了。


总结:第一种方法并不是没用,二手没有找到足够的判断条件

    

你可能感兴趣的:(delphi)