解码C＃中的特殊字符

Question

我想知道如何将特殊字符•解码为HTML？

我已尝试使用System.Web.HttpUtility.HtmlDecode但尚未运气。

Answer 1

这里的问题不是HTML解码，而是文本在一个字符集中编码（例如，windows-1252），然后再次编码为第二个（UTF-8）。

在UTF-8中，•被解码为E2 80 A2。当使用windows-1252编码读取此字节序列时，E2 80 A2将编码为•。 （再次保存为UTF-8 •变为C3 A2 E2 82 AC C2 A2 20 54 65 73 74。）

如果文件是windows-1252编码的文件，则可以使用正确的编码简单地读取文件（例如，作为StreamReader构造函数的参数）。

new StreamReader(..., Encoding.GetEncoding("windows-1252"));

如果使用不正确的编码保存文件，则在某些情况下可以反转编码。例如，对于问题中的字符串序列，您可以写：

string s = "•"; // the string sequence that is not properly encoded
var b = Encoding.GetEncoding("windows-1252").GetBytes(s); // b = `E2 80 A2`
string c = Encoding.UTF8.GetString(b);  // c = `•`

请注意，许多常见的非打印字符位于U+2000到U+2044（Reference）范围内，例如“智能引号”，项目符号和短划线。因此，序列�，其中?是任何字符，通常表示这种类型的编码错误。这允许更广泛地纠正这种类型的错误：

static string CorrectText(string input)
{
    var winencoding = Encoding.GetEncoding("windows-1252");
    return Regex.Replace(input, "â€.",
        m => Encoding.UTF8.GetString(winencoding.GetBytes(m.Value)));
}

使用以这种方式格式错误的文本调用此函数将纠正一些（但不是全部）错误。例如，CorrectText("•Test–or“")将返回预期的•Test–or“。

Answer 2

HtmlDecode用于将Html编码的字符串转换为可读的字符串格式。也许HtmlEncode可能就是你真正想要的东西。