如何从HTML文档中找到utf8代码？

Question

我目前正在从一个使用图标字体标识信息的网站上抓取信息。当我找到包含图标的元素时，将按预期方式获得“ ”字符。我想识别字符的utf8代码，因此能够识别使用了哪个符号。

我正在按照以下方式做一些事情：

For Each HTMLElement in HTMLDocument.getElementsbyClassName("icon-class")
  utf8code = HTMLElement.innerText
  If utf8code = U+00AE Then
    'do things
  End If
Next

Answer 1

好吧，虽然我无法完全实现识别任何字符的utf8代码的目标，但是我设法找到了一种识别用例字符的方法。

事实证明，在我的情况下，大约有30个字符，它们或多或少地顺序出现在UTF8代码页中。然后，主题是了解UTF8代码的形成方式，用户@RemyLebeau帮助我指出了正确的方向。该视频对此非常有帮助：https://youtu.be/MijmeoH9LT4
我自己的总结如下：
第一个字节：删除前n + 1个位，其中n =找到的字节总数
2nd-nth字节：删除前两位
结果应从最右边的位开始向左合并，剩余的任何空格都必须是8的倍数，以0填充。

因此在我的示例中有4个字节：
243、178、129、139
11110011、10110010、10000001、10001011
11110 - 011 ， 10 - 110010 ， 10 - 000001 < / strong>， 10 - 001011
000（011）（11，0010）（0000，01）（001011）
00001111，00100000，01001011
F，20，4B

现在，我用来帮助识别要查找的字符的代码：

Dim utf8Encoding As New System.Text.UTF8Encoding(True)
Dim encodedString() As Byte
encodedString = utf8Encoding.GetBytes(HTML_Element.innerText)
Select Case encodedstring(3)
    Case 147
    Case 155
End Select

在我的特殊情况下，我能够使用哈希表将第4个字节的值与所需的单独值相关联。
这是一个好的解决方案吗？不，它仅在特定情况下有效，并且能够简单地获取UTF8代码将创建一个对于所有用例而言更有效，更优雅的解决方案。但是由于这是一个仅供个人使用的项目，并且由于缺乏个人理解和缺乏愿意帮助我理解的人们的结合，因此该解决方案对我有用，因此我认为如果有人发现自己陷入了困境，我将把它包括在内。类似的情况，上述快捷方式可能会有所帮助。