一种基于非GB2312编码识别网页编码的方法

在web文本挖掘中，网络编码的识别是前期关键步骤，其识别成功与否，直接影响后期任务能否继续执行。本文提出了一种使用非GB2312编码判断网页编码的方法，通过得到的比较值与经验阈值比较，最终用二值区分确定网页代码类型，成功解决了网页信息采集系统在面临大量不同类型网页时的编码识别问题。