有没有人注意到，如果你从剪贴板中检索 HTML，它会得到错误的编码并注入奇怪的字符？
例如，执行如下命令：
string s = (string) Clipboard.GetData(DataFormats.Html)
结果如下：
<FONT size=-2>Â Â <A href="/advanced_search?hl=en">Advanced
Search</A><BR>Â Â <A href="/preferences?hl=en">Preferences</A><BR>Â Â <A
href="/language_tools?hl=en">Language
Tools</A></FONT>
不确定 MarkDown 将如何处理这个，但上面生成的标记中有奇怪的字符。
该错误似乎与 .NET 框架有关。您认为从剪贴板获取正确编码的 HTML 的最佳方法是什么？
在这种情况下，它不像我的情况那样明显。今天我试图从剪贴板复制数据，但有几个 unicode 字符。我得到的数据就好像我会以 Windows-1250 编码（我的 Windows 中的本地编码）读取一个 UTF-8 编码的文件。
看来你的情况是一样的。如果您在 Windows-1252 （或 Windows-1250；两者都有效）中保存 html 数据（请记住在 Â 字符后放置不可破坏的空格 = 0xa0，而不是标准空格） 。然后将此文件作为 UTF-8 文件打开，您将看到应该有什么。
对于我的另一个项目，我制作了一个修复编码损坏的数据的函数。
在这种情况下，简单的转换就足够了：
byte[] data = Encoding.Default.GetBytes(text);
text = Encoding.UTF8.GetString(data);
我的原始函数有点复杂，并且包含确保数据不损坏的测试......
public static bool FixMisencodedUTF8(ref string text, Encoding encoding)
{
if (string.IsNullOrEmpty(text))
return false;
byte[] data = encoding.GetBytes(text);
// there should not be any character outside source encoding
string newStr = encoding.GetString(data);
if (!string.Equals(text, newStr)) // if there is any character "outside"
return false; // leave, the input is in a different encoding
if (IsValidUtf8(data) == 0) // test data to be valid UTF-8 byte sequence
return false; // if not, can not convert to UTF-8
text = Encoding.UTF8.GetString(data);
return true;
}
我知道这不是最好的（或正确的解决方案），但我没有找到任何其他方法来修复输入......
编辑：（2017 年 7 月 20 日）
微软似乎已经发现了这个错误，现在它可以正常工作了。我不确定问题是否出在某些框架中，但我可以肯定的是，当我写答案时，现在应用程序使用了不同的框架。（现在是 4.5；以前的版本是 2.0） （现在我的所有代码都无法解析数据。还有另一个问题是确定应用程序的正确行为，修复已经应用但没有修复。）
您必须将数据解释为 UTF-8。查看MS Office 超链接更改代码页？.
DataFormats.Html 规范声明它以 UTF-8 编码。但是 .NET 4 Framework 及更低版本中存在一个错误，它实际上读取为 UTF-8 和Windows-1252。
你得到分配错误的编码，导致有趣/坏的字符，如'Å'，'‹'，'Å''，'Ž'，'Å¡'，'Å“'，'ž'，'Ÿ ','Â','¡','¢','£','¤','Â¥','¦','§','¨','©'
此处的完整说明 Debugging Chart Mapping Windows-1252 Characters to UTF-8 Bytes to Latin-1 Characters
Soln：创建翻译词典并进行搜索和替换。
我不知道您的原始源文档是什么，但请注意 Word 和 Outlook 以不同的编码提供多个版本的剪贴板。一种通常是 Windows-1252，另一种是 UTF-8。当您期待 Windows-1252（Latin-1 + Smart Quotes）时，您可能会默认获取 UTF-8 编码版本？非 ASCII 字符将显示为多个奇数的 Latin-1 重音字符。大多数“智能引号”不在 Latin-1 集中，在 UTF-8 中通常是三个字节。
你能指定你想要剪贴板内容的编码吗？
尝试这个：
System.Windows.Forms.Clipboard.GetText(System.Windows.Forms.TextDataFormat.Html);