关于产品编码：我从HtmlAgilityPack输出到的StringWriter和如何保持编码？

Question

我正在读的HTML与HtmlAgilityPack，编辑它，然后将它输出到一个StreamWriter。所述HtmlAgilityPack编码是Latin1的，并且是的StreamWriter UnicdeEncoding。

我失去的转换一些字符，我不想要的。

我似乎不能够改变一个StreamWriter的编码。什么是解决这个问题的最好？

Answer 1

如果网页是真正的Latin-1（ISO-8859-1），它不能有任何弯引号; Latin-1的对这些字符没有映射。如果你能看到弯引号当您在浏览器中打开网页，他们可以在HTML实体（“和”或“和”）的形式。但我怀疑网页的编码是真正的窗口1252，尽管什么头和嵌入式声明说。

窗口1252是相同的Latin-1的不同之处在于它具有更有益（或至少更漂亮）打印字符代替了\x80..\x9F范围（十进制128..159）的控制字符。如果HtmlAgilityPack走的是网页在其词，它作为ISO-8859-1解码，它会\x93转换为控制字符\u0093，这看起来像垃圾一样，如果你能得到它显示在所有。浏览器，同时，将其转换为\u201C，Unicode代码点为左双引号。

我不熟悉HtmlAgilityPack，我找不到任何文档它，但我会尝试迫使它使用Windows 1252。例如，您可以创建一个Windows 1252（或“ANSI”）的StreamReader，并HAP使用。

Answer 2

目前猜测;写入Stream（不是string）。如果你写一个string（INC。StringWriter / StringBuilder，你是隐式使用。NET的UTF-16字符串。

如果你只是想调整的报告编码（但使用string），然后看Jon的回答这里。

Answer 3

目前尚不清楚其结束你在失去字符。在任何情况下，仅仅编码不一致本身不是一个问题 - 你仍然应该得到正确的字符。如果一个Unicode的StreamWriter写出乱码，这意味着它已经摆在首位收到垃圾输入。这可能意味着HtmlAgilityPack了编码为您的网页错误。如果有手动设置编码的选项，你可能想做到这一点。

这也可能是你有中有一个错误编码申报的HTML页面。例如。它可能是一个UTF-8文件，其中包含<meta>元件声明为Latin-1的。你在哪里得到的文本？你从网上下载它直，还是有它在一个文本文件 - 如果是后者，你如何创建一个文件？如果通过手动记事本做到了，或者在经由StreamWriter代码，则可能有一个UTF-8文件。