c# - Web浏览器文档文本编码

Question

我遇到了一些奇怪的事情，我想听听你的意见。

有一个网页，其中包含 span 元素，InnerText 和 InnerHtml 属性中包含一些希腊文本。

页面编码为希腊语(Windows)。

我的 if 语句是:

if (mySpan != null && mySpan.InnerText.Contains(greekText))

这行代码 100% 有效，但我之前的无效代码是:

if (mySpan != null && browser.DocumentText.Contains(greekText))

这条线不起作用，当我使用调试器单击预览时，我注意到希腊文本不可读(奇怪的符号而不是希腊字符)。但是，应用程序已成功读取包含希腊文本的所有其他元素，也就是说，我可以将它们的属性保存在变量中并使用它们。有没有解释为什么 DocumentText 失败而 InnerText 成功？

Answer 1

查看WebBrowser.DocumentText的源代码，它似乎默认使用UTF8编码:

public string DocumentText
{
  get
  {
    Stream documentStream = this.DocumentStream;
    if (documentStream == null)
      return "";
    StreamReader streamReader = new StreamReader(documentStream);
    documentStream.Position = 0L;
    return streamReader.ReadToEnd();
  }

也就是说，使用 StreamReader 而不指定编码将假定 UTF8 编码。

参见this link解决这个问题

我只能假设使用 browser.Document.GetElementById(mySpanId) 尊重页面的规定编码，这就是为什么您在使用此调用时可以正确看到它。