Есть следующая задача: выгрузить html-файл, правильно определив его кодировку. У меня уже имеется объект URL
, представляющий данный файл. Из этого объекта я получаю InputStream
, которую могу просто побайтово впихнуть в файл, однако тогда я не определю кодировку. Возникло несколько вопросов:
1) Допустим, я уже определил кодировку. Я так понял что её надо будет использовать при чтении html-файла, точнее когда я создам объект InputStreamReader(InputStream in, String charsetName)
. Т.е. в параметре charsetName
как раз надобно указать определённую мной кодировку. Это так?
2) Насколько я знаю, кодировку можно вытащить из самого документа. Один из способов -- разобрать тег <meta charset="charsetName">
. Если его нет в выгружаемом файле (т.е. кодировка в файле на сервере не указана), нужно ли писать этот тег в записываемый локальный файл (т.е. указать кодировку, полученную другим способом)?
3) Далее насколько мне известно, кодировка может быть указана в HTTP-ответе сервера, в хедере которого должно присутствовать поле Content-Type: text/html; charset=charsetName
. Насколько я понял, это лучший способ получить кодировку. Используя объект класса URL
я могу создать объекты классов URLConnection
и HttpURLConnection
. Далее я не знаю как мне вытащить кодировку. У меня есть четыре варианта:
а)
URLConnection.getContentType()
(видимо, должно вернуть полеContent-Type
)б)
URLConnection.getContentEncoding()
(видимо, то что мне нужно, но я не уверен)в)
HttpURLConnection.responseMessage
(поле защищённое, придётся расширить класс и доставать полеContent-Type
)г)
HttpURLConnection.getHeaderField(int n)
(необходимо указать номер поля, и тогда метод вернётString
этого поля)
Я склоняюсь к варианту б), однако не совсем уверен вернёт ли он мне то что нужно. Кроме того, не очень понятно что будет возвращено если сервер не указал кодировку. Насколько я знаю, есть соглашение об использовании дефолтной кодировки, будет ли она возвращена в таком случае?