Soukey蜘蛛是采用socket来下载网页源码的。Socket 请求发送采用的是ASCII，接收的时候采用的是默认的编码，查看了一下是gb2312，这个过程中如果网页是gb2312 时，对中文是可以解析出来的，如果是UTF8会出现部分乱码。如果接受也采用ASCII，则无论GB2312或UTF8都会出现乱码。
查了一些资料，在socket send与receive需要使用相同的编码。即如果是UTF8的页面则需要用utf8格式，测试通过。
但此种方式都需要在正式探测页面时首先获取网页的编码（或直接由用户子指定），对Soukey蜘蛛而言并不是最好的方式，所以，此问题暂不进行...
[更多...]