HtmlAgilityPack and HtmlDecode

Question

我目前正在使用HtmlAgilityPack和控制台应用程序来抓取网站。由于HTML是编码的（它返回像'这样的编码字符），所以在保存内容到我的数据库之前，我必须进行解码。

有没有一种方法可以在不使用HttpUtility.HtmlDecode的情况下使用HtmlAgilityPack解码返回的HTML？如果可能的话，我想避免将System.Web添加到我的控制台应用程序中。

- Thomas

---

为什么你不添加System.Web？由于它是默认的.NET库，因此在任何客户端机器上都应该可用... - Christoph Fink

错误；它不在客户端档案中。 - SLaks

Answer 1

Html Agility Pack配备了一个名为HtmlEntity的实用程序类。它具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)

它支持常见实体（如 ）和编码字符，例如'。

- Simon Mourier

Answer 2

仅提供我的看法：我使用 StopWatch 类进行了一些性能测试，并发现 HttpUtility.HtmlDecode 比 DeEntitize 方法约快 15-20% 。此外，DeEntitize 还存在一些错误（请参见上面的评论）。

因此，引用 System.Web 可能并不那么糟糕。

如果您正在编写一个已针对“.NET完整版”（与轻量级版本“。NET客户端配置文件”相对）的应用程序，则我建议引用 System.Web。

- Serge Shultz

---

“comments above” 是指上方的评论。 - Mathias Lykkegaard Lorenzen

Answer 3

使用不需要任何特殊引用的WebUtility

- wezten