Question

求截取网页中的charset编码的正则表达式

1种情况：<meta http-equiv=Content-Type content="text/html;charset=gb2312">
2种情况：<meta http-equiv=Content-Type content=text/html;charset=gb2312>
3种情况：<meta http-equiv=Content-Type content="text/html;charset=gb2312"/>

……

这里有要一个通用的正则表达式，截取charset中的值

String regx = ""; //这里正则怎么写？

Pattern p = Pattern.compile(regx);

Matcher m = p.matcher(body);

System.out.println(m.replaceAll(""));

Answer 1

太好了，你用的是java
分析这个情况，但凡是在<meta标签内的只会有一个charset=，然后在gb2312后面肯定是一个非单词的字母，那么这个正则表达式基本就确定了。
String webPage="<meta http-equiv=Content-Type content=\"text/html;charset=gb2312\"><meta http-equiv=Content-Type content=text/html;charset=gb2312><meta http-equiv=Content-Type content=\"text/html;charset=gb2312\"/>";

regex="<meta[^>]*?charset=(\\w+)[\\W]*?>";
Pattern p = Pattern.compile(regex);
Matcher m = p.matcher(webPage);
if(m.find()){
String charSet=m.group(1);
}
System.out.println(m.replaceAll(""));
看到这个replace，我觉得很郁闷，你要替换这些字符么？那直接用"gb2312"，或者"gbk"来作为正则表达式来替换就好了啊。

Answer 2

Pattern p = Pattern.compile(
"<meta\\s+http-equiv\\s*=\\s*\"content-type\"\\s+content\\s*=\\s*[\"](.+?)\"?\\s*/?>",
Pattern.CASE_INSENSITIVE);
// Pattern p = Pattern.compile("<meta[^>]*?charset=(\\w+)[\\W]*?>");

Matcher m = p.matcher(html);
System.out.println(m.find();

Answer 3

charset=([^\"|^\>|^/]+)

这个表达式就可以

Answer 4

String regx = "^charset=*\\">";
仅供参考

Answer 5

var pattern=/charset=\w*/i;
var value=""+msg.match(pattern);
alert(value.substr(8,value.length));
value=value.substr(8,value.length);
这样也可以得到charset编码的值