嘿 :) 我真的很努力地让 WebClient 返回给我 UTF-8。但是当 sub 应该返回类似 Ä
的内容时它更像是一个 E
或者我认为。
尝试了很多解决方法,但它不起作用。
private string translate(string input, string languagePair)
{
string url = String.Format("https://translate.google.com/?hl=en&ie=UTF8&text={0}&langpair={1}", input, languagePair);
WebClient wc = new WebClient();
wc.Headers.Add(HttpRequestHeader.AcceptCharset, "UTF-8");
wc.Encoding = Encoding.UTF8;
var data = wc.DownloadData(url);
var result = Encoding.UTF8.GetString(data);
//string result = wc.DownloadString(url);
int start = result.IndexOf("result_box");
string sub = result.Substring(start);
sub = sub.Substring(0, sub.IndexOf("</span>"));
start = sub.LastIndexOf(">");
sub = sub.Substring(start + 1);
return sub;
}
最佳答案
Google 只是忽略在 AcceptCharset
中发送的编码 header 并在 ISO-8859-1
中返回响应,正如您从缩短的响应中看到的:
HTTP/1.1 200 OK
Content-Type: text/html; charset=ISO-8859-1
Content-Language: en
Content-Length: 64202
<!DOCTYPE html><html><head><meta content="text/html; charset=ISO-8859-1" http-equiv="content-type">
因此,当您使用 UTF-8 编码解码响应时,您会得到无效字符。如果你只是想让它快速工作,我发现当
User-Agent
header 添加到请求中,Google 以 UTF-8 格式返回响应,您可以保留其余代码不变:private static string translate(string input, string languagePair)
{
string url = String.Format("https://translate.google.com/?hl=en&ie=UTF8&text={0}&langpair={1}", input, languagePair);
WebClient wc = new WebClient();
wc.Headers.Add(HttpRequestHeader.AcceptCharset, "utf-8");
wc.Headers.Add(HttpRequestHeader.UserAgent, "Mozilla/5.0 (Windows NT 10.0; …) Gecko/20100101 Firefox/55.0");
wc.Encoding = Encoding.UTF8;
string result = wc.DownloadString(url);
int start = result.IndexOf("result_box");
string sub = result.Substring(start);
sub = sub.Substring(0, sub.IndexOf("</span>"));
start = sub.LastIndexOf(">");
sub = sub.Substring(start + 1);
return sub;
}
更好的解决方案是检测响应中使用的编码并将其用于解码。
WebClient
没有内置此检测,因此您可以使用描述的解决方案 here或使用 HttpClient
相反,它会自动为您执行此操作:private static async Task<string> translate(string input, string languagePair)
{
string url = String.Format("https://translate.google.com/?hl=en&ie=UTF8&text={0}&langpair={1}", input, languagePair);
using (var hc = new HttpClient())
{
var result = await hc.GetStringAsync(url).ConfigureAwait(false);
int start = result.IndexOf("result_box");
string sub = result.Substring(start);
sub = sub.Substring(0, sub.IndexOf("</span>"));
start = sub.LastIndexOf(">");
sub = sub.Substring(start + 1);
return sub;
}
}
另请注意,Google 有 Translation API ,这可能比从 HTML 页面解析翻译更好使用。
关于C# WebClient 不返回 UTF-8,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/46249801/