c# - 在 C# 中解码 HTML 文本

Question

我有一个辅助方法：

public static string StripHtml(this string text)
{
    text = HttpUtility.HtmlDecode(text);
    text = Regex.Replace(text, @"<(.|\n)*?>", "");

    return text;
}

还有一个单元测试：

[Test]
public void StripHtmlConvertsNbspEntityIntoSpace()
{
    string result = "A B".StripHtml();
    Assert.AreEqual("A B", result);
}

当我运行单元测试时，它失败并出现以下错误：

 String lengths are both 3. Strings differ at index 1.
  Expected: "A B"
  But was:  "A B"
  ------------^

所以我的问题是，为什么 没有解码成空格字符？

Answer 1

  被解码为一个不间断的空格字符，而不是空格字符，查找用户相同但是另一个字符。

如果您按 alt+255 是不间断空格 alt+32 如果您想查看它是诺曼空格。

您可以保存文本输出并在十六进制编辑器中查看它，您应该注意到它有另一个十六进制值而不是普通空间

Answer 2

HTML 实体不代表一个空格，它代表一个不间断的空格。不间断空格的字符代码为 160： string nbspace = "\u00A0";

不间断的空间根本不是空间，所以如果你想要一个空间，你必须替换它

var text = HttpUtility.HtmlDecode(HttpUtility.HtmlDecode("A B"));
text = Regex.Replace(text, @"<(.|\n)*?>", "");
byte[] c = Encoding.ASCII.GetBytes(text.ToString());
byte[] x = Encoding.ASCII.GetBytes("A B");

Answer 3

  是与空格不同的字符。单元测试是正确的。见http://en.wikipedia.org/wiki/Space_character