Question

我有一个程序可以对法语网页进行一些屏幕抓取，并找到一个特定的字符串。一旦找到，我拿起那个字符串并保存。返回的字符串显示为User does not have a desktop configured.或法语显示为L'utilisateur ne dispose pas d'un bureau configuré.，但实际显示为：L**\x26#39**;utilisateur ne dispose pas d**\x26#39**;un bureau configur**�**.如何才能将\x26#39视为撇号{{} 1}}角色。

C＃中是否有可用于阅读Url并返回正确短语的内容。

我已经查看了许多可用的C＃功能，但找不到能够为我提供正确结果的功能。

示例代码尝试使用：

这会返回// translated the true French text to English to help out with this example. // Encoding winVar1252 = Encoding.GetEncoding(1252); Encoding utf8 = Encoding.UTF8; Encoding ascii = Encoding.ASCII; Encoding unicode = Encoding.Unicode; string url = String.Format("http://www.My-TEST-SITE.com/); WebClient webClient = new WebClient(); webClient.Encoding = System.Text.Encoding.UTF8; string result = webClient.DownloadString(url); cVar = result.Substring(result.IndexOf("Search_TEXT=")).Length ; result = result.Substring(result.IndexOf("Search_TEXT="), cVar); result = WebUtility.HtmlDecode(result); result = WebUtility.UrlDecode(result); result = result.Substring(0, result.IndexOf("Found: ")); 什么时候应该返回：L**\x26#39**;utilisateur ne dispose pas d**\x26#39**;un bureau configur**�**.。

我正在尝试摆脱L'utilisateur ne dispose pas d'un bureau configuré.并获取正确的法语字符以显示为\x26#39等。

Answer 1

我不能确定，但是：

result = result.Substring(result.IndexOf("Search_TEXT="),  cVar);
result = WebUtility.HtmlDecode(result);
result = WebUtility.UrlDecode(result);

双重解码文字不能很好。它既可以是URL，也可以是HTML或两者都不是。不是两个。

Answer 2

您的第一个问题似乎不是使用字符编码，而是使用某人"\x" escaped sequence和隐藏html entities的自定义组合。

那个有趣的**\x26#39**;实际上只是一个简单的单引号。翻译后的十六进制字符\x26变为&，因此您获得**&#39**;。删除无关的星星，你得到html实体'。使用 HtmlDecode ，这就变成了简单的撇号'，它只是ascii character 39.。

试试这个代码段。请注意，只有最后一步才能执行HtmlDecode。

var input = @"L**\x26#39**;utilisateur ne dispose pas d**\x26#39**;un bureau configur**�**";

var result = Regex.Replace(input, @"\*\*([^*]*)\*\*", "$1");  // Take out the extra stars 

// Unescape \x values
result = Regex.Replace(result,
                       @"\\x([a-fA-F0-9]{2})",
                       match => char.ConvertFromUtf32(Int32.Parse(match.Groups[1].Value,
                                                                  System.Globalization.NumberStyles.HexNumber)));

// Decode html entities
result = System.Net.WebUtility.HtmlDecode(result);

输出为L'utilisateur ne dispose pas d'un bureau configur�

第二个问题是带有重音的“e”。这实际上是一个编码问题，你可能不得不继续玩它以使其正确。您可能还想尝试 UTF16 甚至 UTF32 。但是HtmlAgilityPack可能会自动为您解决这个问题。

试图将字符串转换为正确的格式/编码？

2 个答案: