HtmlAgilityPack返回编码错误的文本[重复]答案

【问题标题】：HtmlAgilityPack return Text with wrong Encoding [duplicate]HtmlAgilityPack返回编码错误的文本[重复]
【发布时间】：2021-11-01 15:20:41
【问题描述】：

我在我的程序中收到这样的文本

K&#253; Sinh Tr&#249;ng&#160;  - (2019)

错的应该如下

Ký Sinh Trùng  - (2019)

我使用了以下代码，但没有任何反应

byte[] bytes = Encoding.Default.GetBytes(nodes.InnerText);
var myString = Encoding.UTF8.GetString(bytes);

我该如何解决这个问题？

更新：完整代码：

HtmlWeb Webget = new HtmlWeb();

var docx = await Webget.LoadFromWebAsync(@"https://isubtitles.org/search?kwd=parasite");

var items = docx.DocumentNode.SelectNodes("//div[@class='movie-list-info']");

foreach (var node in items)
 {
   var name = node?.SelectSingleNode(".//div/div[2]/h3/a");
   var xxxx = name?.InnerText;
   

   byte[] bytes = Encoding.UTF8.GetBytes(xxxx);
   var myString = Encoding.UTF8.GetString(bytes);
   Debug.WriteLine(myString);
   return;
 }

【问题讨论】：

这些字符似乎是 HTML 编码的。我会仔细检查源是否有这些 HTML 编码字符，以确定 HtmlAgilityPack 是否应该受到责备。
完全没有问题。 &#253; 是ý 的 HTML 编码形式，而不是 UTF8。浏览器会很好地显示它。此页面是 UTF8，这就是为什么它可以显示 Ký Sinh Trùng 或 Αυτό Εδώ 而无需显式... HTML 编码
UTF8 指定文本如何转换为字节。它没有指定任何类型的转义序列。在这方面它与 ASCII/Latin1 没有什么不同。几乎所有网站都使用 UTF8。

标签： c# html-agility-pack

【解决方案1】：

这只是 HTML 编码的文本。没关系。如果需要解码，那么：

System.Net.WebUtility.HtmlDecode(theHtmlEncodedString)

https://docs.microsoft.com/en-us/dotnet/api/system.net.webutility.htmldecode?view=net-5.0

或者（如果你加载了System.Web）：

System.Web.HttpUtility.HtmlDecode(theHtmlEncodedString)

https://docs.microsoft.com/en-us/dotnet/api/system.web.httputility.htmldecode?view=net-5.0

【讨论】：

谢谢它现在工作了，还有一个问题：如果文本没有编码，它不会引起问题吗？
@karma 仅当它巧合地包含转义序列，例如&#160;、&lt; 等。这似乎不太可能。