解析html时字符被问号替换

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();
        }

我的问题是网站包含像 à 这样的字符，当我打印它们时，它们被 ? 替换>。

当我打印文本并将字符 à 替换为 a 或像 à 那样打印时，我应该做什么？

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/", 编码.UTF8);//检查你的编码

以上是针对

HtmlWeb的 html文档
试试这个：

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..）