HtmlAgilityPack UTF-8 编码答案

【问题标题】：HtmlAgilityPack UTF-8 encodingHtmlAgilityPack UTF-8 编码
【发布时间】：2012-03-15 13:50:26
【问题描述】：

我正在使用 HtmlAgilityPack 解析我的 html 文档，但无法正确获取 html。

例如：

string s="<!DOCTYPE html>
              <li>Voltage: <0.05% + 10 mV 
              (<0.1% + 25 mV for output 2 of E3646/47/48/49A)</li>
          </html>";

HtmlAgilityPack.HtmlDocument doc;
doc.LoadHtml(s);

但我明白了：

"<li>Voltage: <0.05% +="" 10="" mv=""></0.05%><0.1% +="" 25="" mv="" for="" output="" 2="" of=""></0.1%></li>"

代替：

"<li>Voltage: <0.05% + 10 mV (<0.1% + 25 mV for output 2 of E3646/47/48/49A)</li>"

有什么问题？

附言我有另一个 utf-8 编码的 html 文档，它没有问题。

【问题讨论】：

标签： c# utf-8 html-agility-pack

【解决方案1】：

你在li的文本中有&lt;，导致mV等...被解释为0.05%元素的属性（它被解释为一个元素，因为有一个@987654326 @ 前面）。

您应该将这些转义到&lt;。

string s="<!DOCTYPE html>
              <li>Voltage: &lt;0.05% + 10 mV 
              (&lt;0.1% + 25 mV for output 2 of E3646/47/48/49A)</li>
          </html>";

【讨论】：

谢谢，说明问题与编码无关，这是一个一半的答案。但是：我无法更改文本，因为我是从网站上获取的。那么你有别的想法吗？
@Chanipoz - 不是真的。如果你没有得到有效的 HTML，你需要告诉 HTML 的提供者它是无效的并且他们应该修复它。
这是唯一的方法？因为我不能问供应商。
@Chanipoz - 它不是有效的 HTML。如果提供者声称是，那么他们就错了。除了手动更改值之外，我看不到自动化的方法。
看到这个页面：ntecusa.com/product/dsp_unitDetails.cfm?productID=21336