擷取html頁面的編碼

     html頁面一般都會指定一個編碼，如何擷取到是處理html頁面的第一步，因為錯誤的編碼必然帶來後面處理的問題。這裡我用python的Regex寫了個：

import re

a = ["<meta http-equiv="Content-Type" content="text/html; charset=utf-8" />",
     '<meta http-equiv=Content-Type content="text/html;charset=gb2312">',
     '<meta http-equiv="Content-Type" content="text/html; charset=iso-8859-1">',
     '<meta http-equiv="Content-Type" content="text/html; charset=gb2312" />',
     '<meta http-equiv="content-type" content="text/html; charset=utf-8" />',
     '<meta http-equiv="Content-Type" content="text/html; charset=gb2312" />',
     '<meta http-equiv="Content-Type" content="text/html; charset=gb2312" />'
     ]



b = "<meta[ ]+http-equiv=["']?content-type["']?[ ]+content=["']?text/html;[ ]*charset=([0-9-a-zA-Z]+)["']?"


B = re.compile(b, re.IGNORECASE)


for ax in a:
    r1 = B.search(ax)

    if r1:
        print r1.group()
        print r1.group(1), len(r1.group())
    else:
        print 'not match'