У меня есть проблема с некоторым содержанием, которое мы загружаем с сети для инструмента анализа экранных данных, который я создаю.
в коде ниже, строка, возвращенная из строкового метода загрузки веб-клиента, возвращает некоторые нечетные символы для исходной загрузки для некоторых (не все) веб-сайты.
Я недавно добавил http заголовки как ниже. Ранее тот же код назвали без заголовков к тому же эффекту. Я не попробовал вариации на заголовок 'Принимать-набора-символов', я не знаю много о текстовом кодировании кроме основ.
Символы или последовательности символов, к которым я обращаюсь:
"ï» ¿"
и
"Â"
Эти символы не замечены при использовании "источника представления" в веб-браузере. Что могло вызывать это и как я могу исправить проблему?
string urlData = String.Empty;
WebClient wc = new WebClient();
// Add headers to impersonate a web browser. Some web sites
// will not respond correctly without these headers
wc.Headers.Add("User-Agent", "Mozilla/5.0 (Windows; U; Windows NT 6.1; en-GB; rv:1.9.2.12) Gecko/20101026 Firefox/3.6.12");
wc.Headers.Add("Accept", "*/*");
wc.Headers.Add("Accept-Language", "en-gb,en;q=0.5");
wc.Headers.Add("Accept-Charset", "ISO-8859-1,utf-8;q=0.7,*;q=0.7");
urlData = wc.DownloadString(uri);

представление 1252 окон октетов EF BB BF
. Это маркер порядка байтов UTF-8, который подразумевает, что Ваша удаленная веб-страница кодируется в UTF-8, но Вы читаете его, как будто это были окна 1252. Согласно использованию документов , WebClient.DownloadString
Webclient.Encoding
как его кодирование, когда это преобразовывает удаленный ресурс в строку. Установите его на System.Text.Encoding.UTF8
, и вещи должны теоретически работать.
Путь WebClient.DownloadString
реализован, очень немое. Это должно получить кодировку символов от Content-Type
заголовок в ответе, но вместо этого это ожидает, что разработчик скажет ожидаемое кодирование заранее. Я не знаю то, что думали разработчики этого класса.
я создал вспомогательный класс, который получает имя кодирования от Content-Type
заголовок ответа:
public static class WebUtils
{
public static Encoding GetEncodingFrom(
NameValueCollection responseHeaders,
Encoding defaultEncoding = null)
{
if(responseHeaders == null)
throw new ArgumentNullException("responseHeaders");
//Note that key lookup is case-insensitive
var contentType = responseHeaders["Content-Type"];
if(contentType == null)
return defaultEncoding;
var contentTypeParts = contentType.Split(';');
if(contentTypeParts.Length <= 1)
return defaultEncoding;
var charsetPart =
contentTypeParts.Skip(1).FirstOrDefault(
p => p.TrimStart().StartsWith("charset", StringComparison.InvariantCultureIgnoreCase));
if(charsetPart == null)
return defaultEncoding;
var charsetPartParts = charsetPart.Split('=');
if(charsetPartParts.Length != 2)
return defaultEncoding;
var charsetName = charsetPartParts[1].Trim();
if(charsetName == "")
return defaultEncoding;
try
{
return Encoding.GetEncoding(charsetName);
}
catch(ArgumentException ex)
{
throw new UnknownEncodingException(
charsetName,
"The server returned data in an unknown encoding: " + charsetName,
ex);
}
}
}
(UnknownEncodingException
пользовательский класс исключений, не стесняйтесь заменять для InvalidOperationException
или безотносительно если Вы захотите)
Затем следующий дополнительный метод для WebClient
, то класс добьется цели:
public static class WebClientExtensions
{
public static string DownloadStringAwareOfEncoding(this WebClient webClient, Uri uri)
{
var rawData = webClient.DownloadData(uri);
var encoding = WebUtils.GetEncodingFrom(webClient.ResponseHeaders, Encoding.UTF8);
return encoding.GetString(rawData);
}
}
Так в Вашем примере Вы сделали бы:
urlData = wc.DownloadStringAwareOfEncoding(uri);
... и вот именно.
var client = new WebClient { Encoding = System.Text.Encoding.UTF8 };
var json = client.DownloadString(url);
в моем случае я удалял когда-либо заголовок, связанный с языком, набор символов и т.д. Кроме агента пользователя и cookie. это работало..
// try commenting
//wc.Headers.Add("Accept-Language", "en-gb,en;q=0.5");
//wc.Headers.Add("Accept-Charset", "ISO-8859-1,utf-8;q=0.7,*;q=0.7");
Ни один из них не работал на меня для некоторых специальных веб-сайтов, таких как "www.yahoo.com". Единственный способ, которым я разрешаю свою проблему, изменял DownloadString
на OpenRead
и использовал UserAgent
заголовок как пример кода. Однако несколько сайтов как "www.varzesh3.com" не работали ни с одним из методов!
WebClient client = new WebClient()
client.Headers.Add(HttpRequestHeader.UserAgent, "");
var stream = client.OpenRead("http://www.yahoo.com");
StreamReader sr = new StreamReader(stream);
s = sr.ReadToEnd();