如何查看网页编码格式

打开一个网页，何查满屏乱码。看网方块、页编问号、码格奇怪的何查符号混在一起，你完全不知道它在说什么。看网这不是页编网页坏了，是码格浏览器猜错了编码。

网页编码本质上是何查一套“字典”，告诉浏览器怎么把一串二进制数字翻译成人能看懂的看网文字。最常见的页编坑是：网页本身用GBK编码存的中文，浏览器却按UTF-8去解码，码格结果就是何查一堆“锟斤拷”式的乱码。反过来也一样。看网所以查看编码格式，页编不只是技术人员的活，普通人遇到乱码时也用得上。

浏览器里直接看

大部分浏览器都把这个功能藏得比较深。Chrome的话，右键点击页面空白处，选“检查”，打开开发者工具。别被那一堆代码吓到，顶部菜单栏里找“Console”或者“Network”标签。在Console里输入 document.characterSet，回车，它会直接告诉你当前页面用的什么编码。比如返回“UTF-8”或者“GBK”。

Firefox更直接一些。按F12打开开发者工具，在“网络”标签里刷新页面，点第一个请求（通常是域名本身），右侧的“响应头”里找 Content-Type。里面会写着 text/html; charset=UTF-8 这样的内容，charset后面就是编码。

Edge和Chrome差不多，但有个更快的办法：在地址栏输入 view-source: 再加上网页地址，比如 view-source:https://www.example.com。查看源代码，开头几行的 <meta charset="..."> 标签会直接告诉你答案。这个方法我用了很多年，简单粗暴。

看HTML源码里的meta标签

网页的编码声明通常写在HTML的 <head> 区域。最常见的是这一行：

<meta charset="UTF-8">

老一点的网站可能写成：

<meta http-equiv="Content-Type" content="text/html; charset=gb2312">

注意，meta标签声明的编码不一定就是服务器实际发送的编码。如果两者冲突，浏览器一般优先听服务器的。所以有时候你看到源码里写着UTF-8，页面还是乱码，问题出在服务器响应头。

命令行工具查

如果你习惯用终端，curl 是最顺手的。运行：

curl -I https://www.example.com

看返回的头部信息，找 Content-Type 那一行。如果写的是 text/html; charset=ISO-8859-1，那这个页面用的就是西欧编码，中文大概率会乱。想更精确一点，用 curl -s https://www.example.com | file -，file 命令会猜一下编码，虽然不保证百分百准，但多数情况够用。

还有个工具叫 chardet，Python里装一个，然后 chardet.detect(open('page.html','rb').read())，它会返回一个置信度。我试过一些老旧的政府网站，服务器头写的是UTF-8，实际内容却是GBK，chardet能识别出来。这种表里不一的情况不少见。

为什么你该关心这个

做爬虫的时候，编码搞错，抓下来的全是乱码，后续处理全白费。写前端的时候，编码声明写错，用户看到的就是天书。甚至有时候你下载一个CSV文件，Excel打开乱码，也是编码问题——Excel默认用本地编码去读，而文件可能是UTF-8。

一个真实的例子：某次我帮人处理一个后台导出的CSV，用Excel打开中文全是问号。用记事本打开，另存为时把编码从UTF-8改成ANSI，再用Excel打开就正常了。问题不在数据，在编码。

查看编码格式这件事，工具不难找，难的是意识到“乱码不等于内容坏了”。多数时候，只是解码方式不对。换一种读法，世界就正常了。