ASP.NET核HtmlAgilityPack编码错误
ASP.NET核HtmlAgilityPack编码错误
提问于 2018-12-08 13:38:40
有一些关于编码问题和HtmlAgilityPack的帖子，但是这个问题没有得到解决：
因为我试图解析的网站包含像€或ä这样的Unicode符号，所以ü试图将编码设置为Unicode：
public class WebpageDeserializer
{
public WebpageDeserializer() {}
/*
* Example address: https://www.dslr-forum.de/showthread.php?t=1930368
*/
public static void Deserialize(string address)
{
var web = new HtmlWeb();
web.OverrideEncoding = Encoding.Unicode;
var htmlDoc = web.Load(address);
//further decoding fails because unicode decoded characters are not proper html (looks more like chinese)
}
}但现在
htmlDoc.DocumentNode.InnerHtml看起来是这样的：
ℼ佄呃偙⁅瑨汭倠䉕䥌⁃ⴢ⼯㍗⽃䐯䑔堠呈䱍ㄠ〮吠慲獮瑩潩慮⽬䔯≎...
如果我尝试使用UTF-8或iso-8859-1，€符号将转换为� (以及ä、ö、ü)。我怎么才能解决这个问题？
回答 2
Stack Overflow用户
回答已采纳
发布于 2018-12-08 14:37:12
您的站点配置错误，真正的编码是cp1252。
下面的代码应该有效：
var client = new HttpClient();
var buf = await client.GetByteArrayAsync("https://www.dslr-forum.de/showthread.php?t=1930368");
var html = Encoding.GetEncoding(1252).GetString(buf);
var doc = new HtmlAgilityPack.HtmlDocument();
doc.LoadHtml(html);Stack Overflow用户
发布于 2018-12-08 14:37:34
相反，Encoding.Unicode使用：
web.OverrideEncoding = Encoding.GetEncoding("iso-8859-1");(用您的网站和德语测试)
要获得正确的编码，请检查目标网站的标题。它包含了正确的提示：
<meta http-equiv="Content-Type" content="text/html; charset=ISO-8859-1">页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/53687220
复制相关文章
相似问题
腾讯云开发者
