XML、 HTML 和 XHTML 文档的有效内容类型

XML、 HTML 和 XHTML 文档的正确内容类型是什么？

我需要编写一个只获取这类文件的简单爬虫程序。

现在，由于 mod _ rewrite 的原因，http://example.net/index.html可以提供例如 JPEG 文件的服务，所以我需要检查响应头中的内容类型，并将其与允许的内容类型列表进行比较。

我从哪里可以得到这样的名单？

337773

小开

最佳答案

HTML: text/html，句号。

XHTML: application/xhtml+xml，或者只有遵循 HTML 兼容性指导原则时才能使用 text/html。参见 W3媒体类型注释。

XML: text/xml，application/xml(RFC 2376).

还有许多其他基于 XML 的媒体类型，例如 application/rss+xml或 image/svg+xml。可以肯定的是，+xml中任何未识别但注册的结尾都是基于 XML 的。有关以 +xml结尾的注册媒体类型，请参见 IANA 名单。

(对于未注册的 x-类型，所有的赌注都取消了，但你希望 +xml会受到尊重。)