在C中解码特殊字符＃

Question

我想知道如何将特殊字符•解码为HTML？

我尝试过使用System.Web.HttpUtility.HtmlDecode，但还没有运气。

Answer 1

HtmlDecode用于将Html编码的字符串转换为可读的字符串格式。也许HtmlEncode可能是你真正想要的。

Answer 2

这里的问题不是HTML解码，而是文本被编码为一个字符集（例如，windows-1252），然后再次编码为第二个（UTF-8）。

在UTF-8中，•被解码为E2 80 A2。当使用windows-1252编码读取这个字节序列时，E2 80 A2编码为•。 （再次保存为UTF-8 •变得C3 A2 E2 82 AC C2 A2 20 54 65 73 74。）

如果该文件是一个窗口1252编码的文件，该文件可以简单地与正确的编码读取（例如，作为参数传递给一个StreamReader构造函数。） ：

new StreamReader(..., Encoding.GetEncoding("windows-1252")); 

如果文件是用不正确的编码保存的，则编码在某些情况下可以颠倒。例如，对于你的问题的字符串序列，你可以写：

string s = "•"; // the string sequence that is not properly encoded 
var b = Encoding.GetEncoding("windows-1252").GetBytes(s); // b = `E2 80 A2` 
string c = Encoding.UTF8.GetString(b); // c = `•` 

注意，很多常见的非打印字符的范围是U+2000到U+2044（Reference），如“智能引号”，子弹和破折号。因此，序列�（其中?是任何字符）通常将表示这种类型的编码错误。这使得这种类型的错误将被更广泛地纠正：

static string CorrectText(string input) 
{ 
    var winencoding = Encoding.GetEncoding("windows-1252"); 
    return Regex.Replace(input, "â€.", 
     m => Encoding.UTF8.GetString(winencoding.GetBytes(m.Value))); 
} 

调用以这种方式畸形文本此功能将纠正一些（但不是全部）的错误。例如CorrectText("•Test–or“")将返回预期的•Test–or“。