我使用Q42.Winrt库将html文件下载到缓存中。 但是当我使用ReadTextAsync时,我有例外:
目标多字节代码页中不存在Unicode字符的映射。 (来自HRESULT的异常:0x80070459)
我的代码很简单
var parsedPage = await WebDataCache.GetAsync(new Uri(String.Format("http://someUrl.here")));
var parsedStream = await FileIO.ReadTextAsync(parsedPage);
我打开下载的文件并且有ANSII编码。我想我需要将它转换为UTF-8,但我不知道如何。
答案 0 :(得分:6)
问题是原始页面的编码不是Unicode,而是Windows-1251,而ReadTextAsync函数只处理Unicode或UTF8。解决这个问题的方法是将文件读取为二进制文件,然后使用Encoding.GetEncoding解释1251代码页的字节并生成字符串(始终为Unicode)。
例如,
String parsedStream;
var parsedPage = await WebDataCache.GetAsync(new Uri(String.Format("http://bash.im")));
var buffer = await FileIO.ReadBufferAsync(parsedPage);
using (var dr = DataReader.FromBuffer(buffer))
{
var bytes1251 = new Byte[buffer.Length];
dr.ReadBytes(bytes1251);
parsedStream = Encoding.GetEncoding("Windows-1251").GetString(bytes1251, 0, bytes1251.Length);
}
挑战是你不知道存储的字节是什么代码页,所以它在这里工作,但可能不适用于其他网站。通常,UTF-8是您从网上获得的,但并非总是如此。此页面的Content-Type响应标题显示代码页,但该信息未存储在文件中。