HtmlAgilityPack和HtmlDecode

提问于 2024-04-30T14:34:37+08:00

浏览次

45

我目前正在使用带有控制台应用程序的HtmlAgilityPack来抓取一个网站 . 由于html是编码的（它返回编码字符，如 ' ），我必须在将内容保存到我的数据库之前进行解码 .

有没有办法使用HtmlAgilityPack解码返回的html而不必使用HttpUtility.HtmlDecode？我希望尽可能避免将System.Web添加到我的控制台应用程序中 .

3 回答

9
Html Agility Pack配备了一个名为 HtmlEntity 的实用程序类 . 它有一个带有以下签名的静态方法：
```
/// <summary>
/// Replace known entities by characters.
/// </summary>
/// <param name="text">The source text.</param>
/// <returns>The result text.</returns>
public static string DeEntitize(string text)
```
它支持众所周知的实体（如   ）和编码字符，如 ' .
回复于 2024-04-30T14:34:37+08:00
1

只需加上我的2美分：我使用 StopWatch 类运行了一些性能测试，发现 HttpUtility.HtmlDecode 比 DeEntitize 方法大约15-20％ faster . 另外 DeEntitize 也有一些错误（见上面的评论） .

所以也许引用System.Web毕竟不是那么糟糕 .

如果您正在编写一个已经以“.NET full”为目标的应用程序（与“.NET Client Profile”相对应 - 这是一个轻量级版本） - 我会去引用System.Web .

回复于 2024-04-30T14:34:37+08:00
87

使用不需要任何特殊参考的WebUtility .

回复于 2024-04-30T14:34:37+08:00

相关问题