Question

编辑：字符正确显示，但在页面中间有<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.0//EN" "http://www.w3.org/TR/REC-html40/strict.dtd">行，之后特殊字符变为é é 1}}（在浏览器中表示正常），但如果通过WebClient下载，则表示为eacute;（不包含＆amp; ）。 结束编辑

我正在使用WebClient + RegEx从网页中提取摘录。

但正确设置编码仍会使é为eacute;，ç为ccedil;，í为iacute;等。

我按照DownloadString and Special Characters示例正确设置了字符集（ISO-8859-1）：

System.Net.WebClient wc = new System.Net.WebClient();
wc.DownloadString("https://myurl"); //
var contentType = wc.ResponseHeaders["Content-Type"];
var charset = Regex.Match(contentType, "charset=([^;]+)").Groups[1].Value;
wc.Encoding = Encoding.GetEncoding(charset);

确实设置charset就像文档（ISO-8859-1）一样，但当我执行后续操作时DownloadString（我知道我可以设置编码之前和只做一个wc.DownloadString，但我想完成接受的答案的例子）：

string result = wc.DownloadString("https://myurl");

特殊字符仍然出错。

注意：我使用的是非英语版Windows 10（如果相关）

注意2 ：网页的特殊字符在任何浏览器中都能正确显示

我的问题是，为什么WebClient即使使用正确的字符集设置也无法正确下载？

Answer 1

使用System.Text;

wc.Encoding = Encoding.UTF8;

使用页面编码

1 个答案: