抓取html 中文乱码,真正解决HtmlAgilityPack抓取网页 中文乱码问题

打开HtmlAgilityPack.1.4.0.Source工程

找到HtmlWeb.cs文件打开修改下面方法中的一小段代码：

private HttpStatusCode Get(Uri uri, string method, string path, HtmlDocument doc, IWebProxy proxy,

ICredentials creds)函数中的下方的代码

Encoding respenc = !string.IsNullOrEmpty(resp.ContentEncoding)

? Encoding.GetEncoding(resp.ContentEncoding)

: null;

/*修改成下面的即可*/

/*王..修改 中文乱码问题*/

//Encoding respenc = !string.IsNullOrEmpty(resp.ContentEncoding)

// ? Encoding.GetEncoding(resp.ContentEncoding)

// : null;

System.Text.Encoding respenc;

if ((resp.ContentEncoding != null) && (resp.ContentEncoding.Length > 0))

{

respenc = System.Text.Encoding.GetEncoding(resp.ContentEncoding);

}

else if ((resp.CharacterSet != null) && (resp.CharacterSet.Length > 0))//根据Content-Type中获取的charset

{

if (string.Compare(resp.CharacterSet, "ISO-8859-1", true, System.Globalization.CultureInfo.InvariantCulture) == 0)

respenc = System.Text.Encoding.GetEncoding("GB2312");

else

respenc = System.Text.Encoding.GetEncoding(resp.CharacterSet);

}

else

{

respenc = System.Text.Encoding.GetEncoding("GB2312");

}

修改后之后，重新编译一下，再使用dll，就不会中文乱码了...

可下载自己修改过的文件：