CSQuery 解析非英文文本

Question

我正在使用 CSQuery 解析阿拉伯语网站。当我使用 text() 函数时，它 returns 按原样显示文本，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 returns：“تعلن عن إرسالها مركو وضائي٩ للمريخ ₩”。但是当我使用：

dom["div"].Html();

它returns:

&amp;#1578;&amp;#1593;&amp;#1604;&amp;#1606; &amp;#1593;&amp;#1606; &amp;#1573;&amp;#1585;&amp;#1587;&amp;#1575;&amp;#1604;&amp;#1607;&amp;#1575; &amp;#1605;&amp;#1585;&amp;#1603;&amp;#1576;&amp;#1577; &amp;#1601;&amp;#1590;&amp;#1575;&amp;#1574;&amp;#1610;&amp;#1577; &amp;#1604;&amp;#1604;&amp;#1605;&amp;#1585;&amp;#1610;&amp;#1582; &amp;#1602;&amp;#1585;&amp;#1610;&amp;#1576;&amp;#1575;&amp;#1611; &amp;#1580;&amp;#1583;&amp;#1575;&amp;#1611;

问题是如何在使用 Html 的同时保留未经编码的实际文本？我需要 Html() 函数来检索选择器标签内的任何现有标签。

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（我就是这种情况），这应该对您有所帮助

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

CSQuery 解析非英文文本

CSQuery Parsing non-english text

c#

csquery