Java 一个页面上有两个字符集标签，该使用哪一个？

我正在抓取页面以获取信息，在Groovy中解析页面时遇到了很多问题。我使用juniversal chardet制作了一个半解决方案，它在大多数情况下都有效，只需扫描页面的头部标记，但有时在一个页面上会发现其中两个标记，例如：

<meta http-equiv="Content-Type" content="text/html; charset=utf-8" />
...
<meta http-equiv="Content-Type" content="text/html; charset=iso-8859-1" />

...

---

是否有使用哪一个的标准（第一个、最后一个、两个？）或更简单的方法？谢谢。

HTML规范未定义此行为。同一文档中不能有两个单独的内容类型标记。由于您可能无论如何都必须解析此文档，因此最好是对开发人员的意图进行有根据的猜测。

我会试探性地这样做：

• 一切都是ASCII码吗？如果是这样的话，你用哪一个并不重要
• 它是否符合有效的UTF-8？如果是的话，我会用这个
• 否则，请使用ISO-8859-1

您可能还需要查看从web服务器返回的内容类型标头

从根本上说，该页面已被破坏，但上述内容应给出合理的“最佳猜测”