Question

我正在使用HtmlAgilityPack读取解析html文件并提取一些文本：

static void Main(string[] args)
        {
            var webGet = new HtmlWeb();
            var document = webGet.Load("http://port.ro/");

            var programs = from program in document.DocumentNode.Descendants()
                           where program.Name == "a" && program.Attributes["href"] != null && program.InnerText.Trim().Length > 0
                           select program.InnerText ;

            foreach (string s in programs)
            {
                Console.WriteLine(s);
            }

            Console.ReadLine();
        }

我的问题是该网站包含à等字符，当我打印它们时，它们会被?取代。

当我将文字à替换为a或将其打印为à时，我应该怎么做？

Answer 1

您是否尝试使用或设置网站所需的编码。这应该可以帮助您获得正确的文本

~~var document = webGet.Load（“http://port.ro/”，Encoding.UTF8）; //检查您的编码~~

上面是htmldocument

用于HtmlWeb Try this：

var web = new HtmlWeb
{
    AutoDetectEncoding = false,
    OverrideEncoding = myEncoding,
};
var doc = web.Load(myUrl);

Answer 2

在HtmlAgility中有设置流编码的属性（通常它应该自动检测编码）但可能不适用于您的页面..（错误的元标记等...）

解析html时，字符被问号替换

2 个答案: