c# - CSQuery解析非英文文本

Question

我正在使用 CSQuery 来解析阿拉伯语网站。当我使用 text() 函数时，它按原样返回文本，但是当我使用 html() 函数时，它使用 html 编码。例如这是我的 html 标签：

<div>تعلن عن إرسالها مركبة فضائية للمريخ قريباً جداً</div>

当我使用：

dom["div"].Text();

它返回：“تعلن عن إرسالها مركبة فضائية لمريخ قريباً جداً”。但是，当我使用：

dom["div"].Html();

它返回：

تعلن عن إرسالها مركبة فضائية للمريخ قريباً جداً

问题是如何在不编码的情况下保留实际文本的同时使用 Html？我需要 Html() 函数来检索选择器标记内的任何现有标记。

编辑：这是原始 html 页面的内容类型：

<meta http-equiv="Content-Type" content="text/html; charset=UTF-8">

Answer 1

我最终使用 System.Net.WebUtility.HtmlDecode() 来解码 Html() 函数的输出。

Answer 2

如果您使用 WebClient 抓取 HTML 页面（这是我的情况），这应该可以帮助您

var client = new WebClient();
client.Encoding = System.Text.Encoding.UTF8;