震惊！网页内容变成了天书！

前言

小编前段时间遇到一个问题，使用浏览器打开某域名网页的小说阅读器，阅读器正文内容显示为乱码。 经排查定位发现，该问题是由于小说原网页改版后对原网页HTML内容解码失败引起的。 那么常见的网页相关编码基本逻辑及测试点都有哪些呢？

网页相关编码

常见的web网页编码的基本逻辑有：

1、URL编码；

2、HTML源码内容编码。

1、URL编码

URL 是统一资源定位器，是用来引导指向对应的网络资源的，狭义来说查询字符串并不是 URL 的一部分，URL 是由协议、域名、端口和 URI 组成的。URI 是统一资源标识符，是用来引导指向某站点的服务资源的。

URL=protocol+domain+port+URI

RFC 1738(Uniform Resource Locators (URL))规定 URL 只能包含英文字母、阿拉伯数字和某些标点符号，这要求在 URL 中使用非英文字符的话必须编码后使用。如果浏览器在编码URL和查询参数时使用的编码方式不一致，或者不同浏览器使用的URL编码机制不一致，就会导致无法正常解析。

2、HTML源码编码

当用浏览器打开某个URL网站查看网页内容时，之所以可以正常看到网页的内容，这一过程涉及到HTML网页源码的解码处理。

在解析HTML源码内容时，浏览器需要识别HTML源码对应的编码方式，从而根据此字符编码类型，解码对应的HTML内容，显示对应的文字，以保证不会显示乱码。

常见的HTML网页源码的编码方式有GBK、UTF-8、ISO8859-1，关于这三种编码方式的原理及规则介绍，在这里就不做赘述了，感兴趣的同学可以打开的链接了解https://www.crifan.com/files/doc/docbook/char_encoding/release/html/char_encoding.html

HTML源码编码

HTML源码编码类型的查看方式 1、response.header 在访问网页URL时，通过查看请求的response可以知晓其HTML源码的编码类型，具体查看response.headers中content-type的charset字段值。例如，通过fiddler看到某一网站的response，我们可以看出其编码类型为UTF-8。

如果headers中content-type无charset字段，只content-type：text/html，根据RFC2016的规定，认为采用的是默认的ISO-8859-1。 2、网页源代码 网页源代码中head的meta中会有charset的参数值，可以用来判断网页的编码类型。

HTML源码编码类型的测试 针对HTML源码内容的编码类型的测试，重点关注点是对不同的编码类型的网页，是否可以正常的解析其编码类型，并可以正确解码显示对应的HTML内容。

备注：在实际测试中发现，有的网页HTML中不同段落的charset字段值（编码类型）不一致，可能会导致浏览器解析编码类型时错误，影响网页内容的正常展示。

结语

作为APP端的软件测试人员，小编认为在提高测试能力的过程中，需要不断学习积累前端、客户端、后端等的常见基本概念及原理，如Android开发基本术语-webview、activity，https传输原理等。所谓知己知彼，百战不殆。 参考文章： 1.https://www.ibm.com/developerworks/cn/web/wa-lo-ecoding-response-problem/index.html; 2.https://www.crifan.com/summary_explain_what_is_html_charset_and_common_value_of_gb2312_gbk_utf_8_iso8859_1/; 3.https://juejin.im/post/5a6946846fb9a01ca267acd1;