Charset detection

hbghlyj

例如这个网页从Google搜索到的网页摘要是中文乱码
而且Google将其语言检测为Chinese (Taiwan). 关于“语言检测”在Google的官方文档Google Search Console Help on multilingual sites 中提到: Google uses only the visible content of your page to determine its language. We don’t use any code-level language information such as lang attributes.
原因为:该网页的头部charset标记为UTF-8 但实际的字符集却是GBK. document.characterSet 输出为"UTF-8"
但是点击进入后,Firefox或Chrome浏览器都能显示为正确的字符集GBK,这是因为浏览器的字符集自动检测,这说明:虽然Google Chrome会检测字符集,但是Google Bot不会检测字符集.
按Ctrl+U查看源码发现中文不能正常显示,说明浏览器在view-source页面不会自动检测字符集.但HTML注释(图中为绿色)能正常显示,说明网页源码的注释是UTF-8编码的.

hbghlyj

2023.06.10搜索本站

有120条结果
Google将其语言标记为English

hbghlyj

Document: characterSet property

Users can override the developer-specified encoding inside the Content-Type header or inline like <meta charset="utf-8">, such as with Firefox's View → Text Encoding menu. This override is provided to fix incorrect developer-specified encodings that result in garbled text.

hbghlyj

抱歉我在1#搞错了 这个网页的字符集就是UTF-8,不是GBK
检查元素发现正文使用了一种woff字体2059474917 这个字体的编码与通常不同. font-family: '2059474917','Microsoft YaHei' !important; Copy the Code 取消这条CSS后,使用默认的字体显示是乱码.