写了个自认为还算健壮的html网页编码的自动发现程序，基本的想法就是：
1. 从HTTP Header中的Content-Type: text/html;charset=gbk中提取
2. 从HTML中的Meta标签<meta http-equiv="Content-Type" content="text/html; charset=utf8" />中提取
3. 利用Mozilla的jchardet从byte级别猜测
4. 若以上方法均失败，则返回gb18030（因为主要处理中文）
大致的流程是：
1. 用ascii编码读取网页数据
2. 利用正则表达式"Content-Type:.*charset\\s*=\\s*(.*)\\s*"提取Header中的编码信息，找到则返回
3. 利用正则表达式"<META[^>]*charset\\s*=\\s*(.*)\"[^>]*/?>"提取Meta中的编码信息，找到则返回
4. 利用jchardet猜测，找到则返回
5. 返回默认的gb18030