在C中解碼特殊字符＃

Question

我想知道如何將特殊字符•解碼爲HTML？

我嘗試過使用System.Web.HttpUtility.HtmlDecode，但還沒有運氣。

Answer 1

HtmlDecode用於將Html編碼的字符串轉換爲可讀的字符串格式。也許HtmlEncode可能是你真正想要的。

Answer 2

這裏的問題不是HTML解碼，而是文本被編碼爲一個字符集（例如，windows-1252），然後再次編碼爲第二個（UTF-8）。

在UTF-8中，•被解碼爲E2 80 A2。當使用windows-1252編碼讀取這個字節序列時，E2 80 A2編碼爲•。 （再次保存爲UTF-8 •變得C3 A2 E2 82 AC C2 A2 20 54 65 73 74。）

如果該文件是一個窗口1252編碼的文件，該文件可以簡單地與正確的編碼讀取（例如，作爲參數傳遞給一個StreamReader構造函數。） ：

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

如果文件是用不正確的編碼保存的，則編碼在某些情況下可以顛倒。例如，對於你的問題的字符串序列，你可以寫：

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 = `•` 

注意，很多常見的非打印字符的範圍是U+2000到U+2044（Reference），如「智能引號」，子彈和破折號。因此，序列�（其中?是任何字符）通常將表示這種類型的編碼錯誤。這使得這種類型的錯誤將被更廣泛地糾正：

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

調用以這種方式畸形文本此功能將糾正一些（但不是全部）的錯誤。例如CorrectText("•Testâ€「or“")將返回預期的•Test–or「。