HTML文檔的文檔標記，也稱為HTML開始標記
這對標記分別位于網頁的最前端和最后端
<html>在最前端表示網頁的開始<html>在最后端表示網頁的結束HTML文件頭標記，也稱為HTML頭信息開始標記
用來包含文件的基本信息，比如網頁的標題、關鍵字，在<head>內容< <head></head>內可以放 <title></title>、 <meta></meta>、<style></style>等等標記。
注： <head></head>標記內的內容不會在瀏覽器中顯示
HTML文件標題標記
網頁的“主題”，顯示在瀏覽器的窗口的左上邊 注： 網頁的標題不能太長，要短小精悍，能具體反映頁面的內容，<title></title>標記中不能包含其他標記。
HTML文檔的主體標記
<body>…</body>是網頁的主體部分，在此標記之間可以包含如<p></p>、<h1></h1>、<br></br>等等標記。正是由這些內容組成了我們所常見的網頁
| 屬性 | 作用 | 設置 |
|---|---|---|
| bgcolor | 設置背景顏色 | <body bgcolor=”red”></body> |
| text | 設置文本顏色 | <body text=”green”></body> |
| link | 設置連接顏色 | <body link=”green”></body> |
| vlink | 已經訪問了的鏈接顏色 | <body vlink=”green”></body> |
| alink | 正在被點擊的鏈接顏色 | <body alink=”green”></body> |
頁面的元信息
提供有關頁面的元信息，比如針對搜索引擎和更新品讀的描述和關鍵詞
常用的name屬性
authorkeyWordsdescriptionothers把content屬性關聯到一個名稱。比如描述網頁的關鍵詞
<meta name=”keywords” content=”xiaoT”></meta>
注：
meta標記必須放在head元素里面content如果有多個值，用“，”隔開
| 格式 | 特征 | 描述 |
|---|---|---|
| ANSII | 單字節,范圍0-127 | 可以描述所有的英文字母，阿拉伯數字，常用符號和控制符（回車，換行等） |
| ANSII 擴展字符集 | 單字節，范圍128-255 | 包括了一些不常用的字符，比如畫表格時需要用下到的橫線、豎線、交叉等形狀。它是ANSII的擴展。 |
| GB2312 | 雙字節，高位字節（第一個）范圍：0xA1 ~ 0xF7, 低位字節范圍：0xA1 ~ 0xFE | 對ANSII的中文擴展，兼容ANSII，不兼容ANSII擴展。主要用于表達漢字，可以表達7000多個漢字，常用漢字有6000，所以包含了常用漢字，多的字符將羅馬希臘的字母、日文的假名們都編進去了，連在 ASCII 里本來就有的數字、標點、字母都統統重新編了兩個字節長的編碼，稱為“全角”字符，ANSI原有的稱為“半角”。 |
| GBK | 雙字節，高位字節范圍0x80~0xFF,低位字節0x00~0xFF | 對GBK2312的擴展，包含不常見漢字，兼容GB2312，所以也兼容ANSII。通常Windows中文版本默認的字符集是GBK。基本上包含了中華名族所有的漢字，如繁體，簡體，少數名族的文字等等。 |
| Unicode | 雙字節，高位字節范圍0x00~0xFF,低位字節0x00~0xFF | 用于標識地球上所有名族語言，不兼容上面的編碼（ANSI，GB2312和GBK）。目的是將全世界所有的編碼統一。對于英文而言，浪費了一倍的空間。 |
| UTF-8 | Unicode 向 UTF-8 轉換模版： [0000 - 007F] 0xxxxxxx [0080 - 07FF] 110xxxxx 10xxxxxx [0800 – FFFF] 1110xxxx 10xxxxxx 10xxxxxx | 用于將Unicode在網上傳輸，每次傳輸8個bit。全稱Unicode Transfer Format -8。左邊是unicode到utf8的轉換模版。任何unicode按照不同區間的模版，按順序填入自己的bit，就是對應的utf-8。例如”漢”字的Unicode編碼是6C49。6C49在0800-FFFF之間，所以要用3字節模板：1110xxxx 10xxxxxx 10xxxxxx。將6C49寫成二進制是：0110 1100 0100 1001，將這個比特流按三字節模板的分段方法分為0110 110001 001001，依次代替模板中的x，得到：1110-0110 10-110001 10-001001，即E6 B1 89，這就是其UTF8的編碼。UTF8表示英文時，不會浪費空間,并且兼容ANSI，所以英文網頁一般用UTF8編碼。但是UTF8表示中文時，會浪費空間（每個漢字可能需要3個字節），所以一般中文網站采用GBK編碼，節省帶寬資源。 |
網頁中出現中文亂碼十分常見，主要是由于html標簽中charset的設置與實際上的編碼不一致導致，如圖：
Charset告訴瀏覽器應該以什么格式解讀html中內容，所以如果charset中的編碼是utf-8，而html頁面中的內容出現了gbk文本，由于兩種格式不兼容，導致中文亂碼，由于UTF-8，兼容ANSI，所以英文內容正常顯示。從上面的表格，可以發現除了unicode不兼容ANSI，其他格式均兼容，所以很少遇見英文亂碼現象。
工作中，曾經遇見以下幾種亂碼現象，現在總結出來與大家分享：
數據源格式不同 html頁面展示的數據來自不同的數據源，不同的數據源的數據編碼格式不一樣，那么無論charset設置什么值，都會是亂碼。解決方法就是在展示數據之前，將所有的數據內容重新編碼為統一的格式，如utf-8，讓后設定charset=utf-8。
Html編碼與數據源不同 編輯html的格式與數據源格式不一致，比如html編輯器默認使用了ANSI（gbk），而數據源（如數據庫，xml，或第三方數據）是utf8，在編輯html時，為了不亂碼顯示，必然將charset設置為gbk或gb2312，所以當展示數據時，必然出現亂碼。解決方法還是統一編碼，如果數據源無法控制，可以將html設置為統一格式，如果html太多，那么需要借助批量編碼轉換工具。
CGI編碼與數據源不同 CGI（C++，php等）代碼的格式與數據源，charset不一致。動態網站html有可能是cgi生成的，在編寫cgi時有可能會hard code一些中文內容，如果編寫代碼的格式與charset，或數據源不一致，那么必然出現亂碼。
總結：確保html，CGI，數據源的編碼格式與charset一致，避免網頁中文亂碼。
參考資料：
1.網頁中文亂碼的那點事兒
新聞熱點
疑難解答
