perl-IO-HTML

IO::HTML надає простий спосіб відкрити файл, що містить HTML, автоматично визначаючи його кодування. Він використовує алгоритм визначення кодування HTML5, описаний у розділі 8.2.2.2 чернетки стандарту. Алгоритм, реалізований тут, такий: * 1. Якщо файл починається з мітки порядку байтів, що вказує на UTF-16LE, UTF-16BE або UTF-8, то це і є кодування. * 2. Якщо перші '$bytes_to_check' байтів файлу містять тег '<meta>', який вказує charset, і Encode розпізнає вказану назву charset, то це і є кодування. (Цю частину алгоритму реалізує 'find_charset_in'.) Тег '<meta>' може бути в одному з двох форматів: <meta charset="..."> <meta http-equiv="Content-Type" content="...charset=..."> Пошук не чутливий до регістру, а порядок атрибутів у тегу не має значення. Будь-які додаткові атрибути тегу ігноруються. Перший відповідний тег із розпізнаним кодуванням завершує пошук. * 3. Якщо перші '$bytes_to_check' байтів файлу є дійсним UTF-8 (принаймні з 1 не-ASCII символом), то кодування — UTF-8. * 4. Якщо все інше не спрацювало, використовується кодування символів за замовчуванням. Стандарт HTML5 пропонує, щоб кодування за замовчуванням залежало від локалі, але наразі воно завжди 'cp1252', якщо ви не встановите '$IO::HTML::default_encoding' на інше значення. Примітка: 'sniff_encoding' не застосовує цей крок; це робить лише 'html_file'.