解析UTF-8编码的网页

Question

如果我从网站上收到一些数据，我会得到以下字符串：

Peter Tester   â‚‹   Max Mustermann

主页的元信息向我显示编码是UTF-8，我写了一个小函数将UTF-8转换为Base64（Base64是默认C＃项目的正确字符集还是？）

private String UTF8toBase64(string input)
{
    var bytes = Encoding.UTF8.GetBytes(input);
    return Convert.ToBase64String(bytes);
}

但是这个函数返回一个这样的字符串：

"S3lsZSBFZG11bmQgJm5ic3A7IMOi4oCa4oC5ICZuYnNwOyZuYnNwO0ppcmkgVmVzZWx5"

Answer 1

我相信你只想要：

return Encoding.UTF8.GetString(bytes);

Answer 2

我在VB中找到了一个具有相同问题的线程

HTML encoding issues - “” character showing up instead of “ ”

C＃中的相同功能很好用，在替换“â，<”之后，我有一个我可以使用的字符串:-)

感谢您的帮助

Regex.Replace(input, "[^\u0000-\u007F]", " ")