c# - 解码所有 HTML 实体

Question

我正在寻找一些可以解码大量 HTML 实体的函数。

原因是我正在编写一些代码以获取 HTML 内容并将其转换为纯文本，我遇到的问题是很多实体不使用 HttpUtility.HtmlDecode 进行转换。

我关注的一些实体示例是  、&、©。

这适用于 .net 3.5。

Answer 1

那么您可能需要HttpUtility.HtmlDecode?。它应该可以工作，您只需要添加对 System.Web 的引用。至少在 .Net Framework < 4 中是这样。

例如下面的代码:

MessageBox.Show(HttpUtility.HtmlDecode("&©"));

工作正常，输出符合预期(& 符号和版权符号)。您确定问题出在 HtmlDecode 而不是其他地方吗？

更新:另一个能够完成这项工作的类 WebUtility(同样是 HtmlDecode 方法)出现在较新版本的 .Net 中。但是，它似乎存在一些问题。查看HttpUtility vs. WebUtility问题。