Question

在为某些网页解析HTML时（最值得注意的是，任何Windows实时页面）我会遇到以下格式的大量网址。

HTTP \ X3A \ X2F \ x2fjs.wlxrs.com \ x2fjt6xQREgnzkhGufPqwcJjg \ x2fempty.htm

这些似乎是部分UTF8转义字符串（\ x2f = /，\ x3a =：等等...）。是否有.Net API可用于将这些字符串转换为System.Uri？似乎很容易解析，但我试图避免今天建立一个新的车轮。

Answer 1

您发布的内容无效HTTP。因此，HttpUtility.UrlDecode()当然不起作用。但无论如何，你可以把它变成这样的普通文本：

string input = @"http\x3a\x2f\x2fjs.wlxrs.com\x2fjt6xQREgnzkhGufPqwcJjg\x2fempty.htm";
string output = Regex.Replace(input, @"\\x([0-9a-f][0-9a-f])",
    m => ((char) int.Parse(m.Groups[1].Value, NumberStyles.HexNumber)).ToString());

但请注意，这假设编码是Latin-1而不是UTF-8。您提供的输入在这方面尚无定论。如果你需要UTF-8工作，你需要一个稍长的路线;你必须将字符串转换为字节并用过程中的相关字节替换转义序列（可能需要一个while循环），然后在结果字节数组上使用Encoding.UTF8.GetString()。

Answer 2

这是另一个解决方案:(从@timwi解决方案继续）

string output = Regex.Replace(input, @"\\x([0-9a-f][0-9a-f])",
            m => ((char)Convert.ToInt32(m.Groups[1].Value, 16)).ToString());

Answer 3

您是否尝试过HttpUtility.UrlDecode？

为部分utf8编码的URL查找解析API

3 个答案: