在 C# 中将 HTML 实体转换为 Unicode 字符

Question

我在 Python 和 Javascript 中找到了类似的问题和答案，但在 C# 或任何其他 WinRT 兼容语言中找不到。

我认为我需要它的原因是因为我在 Windows 8 商店应用程序中显示从网站获得的文本。例如。

é

应该变成

é

.

或者有更好的方法吗？我不显示网站或 rss 提要，而只是显示网站及其标题的列表。

Answer 1

我推荐使用 System.Net.WebUtility.HtmlDecode 和 NOT

HttpUtility.HtmlDecode

.

这是因为

System.Web

引用在 Winforms/WPF/Console 应用程序中不存在，您可以使用此类（已作为引用添加到所有这些项目中）获得完全相同的结果。

用法：

string s =  System.Net.WebUtility.HtmlDecode("é"); // Returns é

Answer 2

使用

HttpUtility.HtmlDecode()

。在msdn上阅读here

decodedString = HttpUtility.HtmlDecode(myEncodedString)

Answer 3

这可能很有用，用它们的 unicode 等效项替换所有（就我的要求而言）实体。

    public string EntityToUnicode(string html) {
        var replacements = new Dictionary<string, string>();
        var regex = new Regex("(&[a-z]{2,5};)");
        foreach (Match match in regex.Matches(html)) {
            if (!replacements.ContainsKey(match.Value)) { 
                var unicode = HttpUtility.HtmlDecode(match.Value);
                if (unicode.Length == 1) {
                    replacements.Add(match.Value, string.Concat("&#", Convert.ToInt32(unicode[0]), ";"));
                }
            }
        }
        foreach (var replacement in replacements) {
            html = html.Replace(replacement.Key, replacement.Value);
        }
        return html;
    }

Answer 4

Metro App和WP8 App中HTML实体和HTML数字的编码/编码不同

使用 Windows Runtime Metro 应用程序

{
    string inStr = "ó";
    string auxStr = System.Net.WebUtility.HtmlEncode(inStr);
    // auxStr == ó
    string outStr = System.Net.WebUtility.HtmlDecode(auxStr);
    // outStr == ó
    string outStr2 = System.Net.WebUtility.HtmlDecode("ó");
    // outStr2 == ó
}

Windows Phone 8.0

{
    string inStr = "ó";
    string auxStr = System.Net.WebUtility.HtmlEncode(inStr);
    // auxStr == ó
    string outStr = System.Net.WebUtility.HtmlDecode(auxStr);
    // outStr == ó
    string outStr2 = System.Net.WebUtility.HtmlDecode("ó");
    // outStr2 == ó
}

为了解决这个问题，在 WP8 中，我在调用 System.Net.WebUtility.HtmlDecode() 之前在

HTML ISO-8859-1 参考

中实现了表格。

Answer 5

这对我有用，替换了通用实体和 unicode 实体。

private static readonly Regex HtmlEntityRegex = new Regex("&(#)?([a-zA-Z0-9]*);");

public static string HtmlDecode(this string html)
{
    if (html.IsNullOrEmpty()) return html;
    return HtmlEntityRegex.Replace(html, x => x.Groups[1].Value == "#"
        ? ((char)int.Parse(x.Groups[2].Value)).ToString()
        : HttpUtility.HtmlDecode(x.Groups[0].Value));
}

[Test]
[TestCase(null, null)]
[TestCase("", "")]
[TestCase("'fark'", "'fark'")]
[TestCase(""fark"", "\"fark\"")]
public void should_remove_html_entities(string html, string expected)
{
    html.HtmlDecode().ShouldEqual(expected);
}

Answer 6

改进的 Zumey 方法（我不能在那里发表评论）。最大字符大小在实体中：&exclamation; (11).实体中的大写字母也是可能的，例如。 À（来自wiki）

public string EntityToUnicode(string html) {
        var replacements = new Dictionary<string, string>();
        var regex = new Regex("(&[a-zA-Z]{2,11};)");
        foreach (Match match in regex.Matches(html)) {
            if (!replacements.ContainsKey(match.Value)) { 
                var unicode = HttpUtility.HtmlDecode(match.Value);
                if (unicode.Length == 1) {
                    replacements.Add(match.Value, string.Concat("&#", Convert.ToInt32(unicode[0]), ";"));
                }
            }
        }
        foreach (var replacement in replacements) {
            html = html.Replace(replacement.Key, replacement.Value);
        }
        return html;
    }