c# - 如何使用 C# 下载具有正确编码的 HTML 页面？

Question

我需要一个获取页面链接并返回该页面标题的方法。

我使用了 WebClient -

        var webClient = new WebClient();
        var htmlString = webClient.DownloadString(_link);

它运行良好，但在外语编码方面失败了。我得到的是问号和奇怪的字符，而不是我需要的文本。

是否有一种通用的方法来识别页面的编码并使用它？如果不是全部，我需要它来支持大多数编码。

Answer 1

使用 HtmlAgilityPack你可以这样做

using (WebClient client = new WebClient())
using (var read = client.OpenRead("http://your.com"))
{
    HtmlDocument doc = new HtmlDocument();
    doc.Load(read, true); // true = get encoding from byte order masks
    // process doc, extract title
    var title = doc.DocumentNode.SelectSingleNode("//title").InnerText;
}