原始问题如下：
html网页的内容大致如下：
我使用以下语句抓取类似上面的网页：
URL url = new URL("http://www.csdn.net");HttpURLConnection connection = (HttpURLConnection)url.openConnection();//建立连接后，使用下面两句取得网页的编码格式String contentType = connection.getHeaderField("Content-Type");contentType = connection.getContentType();
无论是哪一句，得到的contentType的值都是text/html，而不包含后面的charset=gb2312，这是为什么？
我注意到一个问题，content=”text/html; charset=gb2312″这里，在;和charset之间有一个空格，是否因为这个空格的缘故，而不能得到content-type的准确值
还有没有其他的办法可以得到页面的编码字符集？
回答：
connection.getContentType();
这个需要服务器设置了 ContentType才可以，这个数据在文件头里面，而不是在文件的主体(也就是你看到的html）里面。
所以检测页面类型需要分3步，如果这一步不行，则用下一个
1 看header里面的ContentType,也就是你用的那个方法
2 看 html 里面的 ContentType ，也就是解析html页面
3 对html数据进行自动评估，类似于it里面的自动检测编码类型。
一段典型的返回信息的Header数据
HTTP/1.1 200 OK
Date: Mon, 01 Sep 2008 23:13:31 GMT
Server: Apache/2.2.4 (Win32) mod_jk/1.2.26
Vary: Host,Accept-Encoding
Set-Cookie: JAVA2000_STYLE_ID=1; Domain=www.xxxxxx; Expires=Thu, 03-Nov-2011 09:00:10 GMT; Path=/
Content-Encoding: gzip
Transfer-Encoding: chunked
Content-Type: text/html;charset=UTF-8
。。。。从这里开始是数据的本体
此文收藏于：
人生就是要感受美丽的、善良的，丑恶的、病态的。
