HttpWebResponse編碼

Question

嘗試從google.com獲取html時，編碼出現問題。 請給我一個建議，以解決此問題。 非常感謝。

public string Html
    {
        get
        {
            try
            {
                var request = WebRequest.Create(Url) as HttpWebRequest;
                request.UserAgent = "Mozilla/5.0 (Windows NT 6.1) AppleWebKit/537.1 (KHTML, like Gecko) Chrome/21.0.1180.83 Safari/537.1,gzip(gfe)";
                if (request != null)
                {
                    var response = request.GetResponse() as HttpWebResponse;
                    if (response != null)
                    {
                        string Charset = response.CharacterSet;
                        Encoding encoding = Encoding.GetEncoding(Charset);
                        var sr = new StreamReader(response.GetResponseStream(), encoding);
                        return sr.ReadToEnd();
                    }
                }
                return string.Format("Could not create object HttpWebRequest for '{0}'", Url);
            }
            catch (Exception e)
            {
                return e.Message;
            }
        }
    }

這也是一張圖片：

Answer 1

您面臨的問題是因為某種原因Google不在標頭中發送任何編碼信息。 如果您使用下面的鏈接檢查標題（特別是Content-Type標題），然后將第一個標題（來自圖像）與第二個標題進行比較，您會發現第一個標題缺少一些重要信息。

http://web-sniffer.net/?url=http://www.google.com.ua/intl/ils/ads/

http://web-sniffer.net/?url=http://www.google.de/

在這里您需要做的是首先解析返回的HTML，並尋找一個<meta>元素，該元素指定編碼，然后使用該新信息重新編碼獲取的流。 取決於您之后對HTML的處理方式，您可能希望將http://htmlagilitypack.codeplex.com/作為使用HTML的出色庫，或者只是編寫一個正則表達式以提取編碼（盡管我真的建議您而是第一種選擇）。