Question

我正在尝试阅读内容中包含注册商标符号的网页，即®。但是，当我使用快速表并在下面的例子中查看某人时，我看到一个带有问号的钻石而不是®。如果我序列化sb并通过javascript将其显示在另一个网页中，则会出现同样的问题。这只是这个字符在我的快速监视窗口中出现的方式，还是我不正确地读取/解码页面？代码如下：

    const int bufSize = 4096;
    const int maxBytesToGet = 5000000;
    byte[] buf = new byte[bufSize];
    StringBuilder sb = new StringBuilder(bufSize);

    using (HttpWebResponse response = (HttpWebResponse)request.GetResponse())
    {

        using (Stream responseStream = response.GetResponseStream())
        {
            while ((bytesToGet = responseStream.Read(buf, 0, buf.Length)) != 0)
            {
                sb.Append(Encoding.UTF8.GetString(buf, 0, bytesToGet));
                if (sb.Length > maxBytesToGet) break;
            }
        }
    }

Answer 1

您假设响应为UTF8。您需要查看响应标头以查看实际编码的内容。使用StreamReader代替Encoding.GetString也更容易。

string responseText;

using (var response = (HttpWebResponse)request.GetResponse())
{
    using (Stream responseStream = response.GetResponseStream())
    {
        var encoding = Encoding.GetEncoding(response.CharacterSet);
        using(var reader = new StreamReader(responseStream, encoding))
        {
            responseText = reader.ReadToEnd();
        }
    }
}

阅读网页 - 避免使用非标准字符的菱形/问号

1 个答案: