如何使用 HTMLAgilityPack 解析西里尔文文本？

Question

在使用 HtmlAgilityPack 时遇到了问题。我无法解析西里尔文字，它显示为一些未知符号。

HtmlWeb webGet = new HtmlWeb();
webGet.OverrideEncoding = Encoding.UTF8;
HtmlAgilityPack.HtmlDocument doc = webGet.Load("http://vk.com/glitchhop");
HtmlNode myNode = doc.DocumentNode.SelectSingleNode("//div[@id='page_wall_posts']/*[2]//div[@class='wall_post_text']");
if (myNode != null)
    return myNode.InnerText;
else return "Nothing found";

还附上错误示例以及该文本的外观

Answer 1

此问题与 HTMLAgilityPack 无关，是您使用的编码不正确造成的。

您尝试解析的网页使用windows-1251 编码进行编码。

因此，将 webGet.OverrideEncoding 从 Encoding.UTF8 更改为 Encoding.GetEncoding(1251) 应该会对您有所帮助。