perl-IO-HTML

IO::HTML fournit un moyen simple d'ouvrir un fichier contenant du HTML tout en déterminant automatiquement son encodage. Il utilise l'algorithme de détection d'encodage HTML5 spécifié dans la section 8.2.2.2 du brouillon de la norme. L'algorithme tel qu'implémenté ici est : * 1. Si le fichier commence par une marque d'ordre des octets indiquant UTF-16LE, UTF-16BE ou UTF-8, alors c'est l'encodage. * 2. Si les premiers '$bytes_to_check' octets du fichier contiennent une balise '<meta>' qui indique le charset, et que Encode reconnaît le nom de charset spécifié, alors c'est l'encodage. (Cette partie de l'algorithme est implémentée par 'find_charset_in'.) La balise '<meta>' peut être dans l'un des deux formats : <meta charset="..."> <meta http-equiv="Content-Type" content="...charset=..."> La recherche est insensible à la casse, et l'ordre des attributs dans la balise est sans importance. Tout attribut supplémentaire de la balise est ignoré. La première balise correspondante avec un encodage reconnu met fin à la recherche. * 3. Si les premiers '$bytes_to_check' octets du fichier sont du UTF-8 valide (avec au moins 1 caractère non ASCII), alors l'encodage est UTF-8. * 4. Si tout le reste échoue, utiliser l'encodage de caractères par défaut. La norme HTML5 suggère que l'encodage par défaut devrait dépendre de la locale, mais actuellement il est toujours 'cp1252' sauf si vous définissez '$IO::HTML::default_encoding' à une valeur différente. Note : 'sniff_encoding' n'applique pas cette étape ; seul 'html_file' le fait.