HtmlAgilityPack和HtmlDecode

我目前使用HtmlAgilityPack与控制台应用程序来刮一个网站。 由于html被编码（它会返回编码字符，如“ ' ），所以在将内容保存到我的数据库之前，我必须进行解码。

有没有办法解码返回的HTML使用HtmlAgilityPack而不必使用HttpUtility.HtmlDecode？ 如果可能，我想避免将System.Web添加到我的控制台应用程序中。

Answer 1

Html Agility Pack配有名为HtmlEntity的实用程序类。 它具有以下签名的静态方法：

  /// <summary> /// Replace known entities by characters. /// </summary> /// <param name="text">The source text.</param> /// <returns>The result text.</returns> public static string DeEntitize(string text) 

它支持众所周知的实体（如  ）和编码字符，如  ' 以及。

Answer 2

只需加上我的2美分：我已经使用StopWatch类跑了一些性能testing，发现HttpUtility.HtmlDecode比DeEntitize方法快大约15-20％。 DeEntitize也有一些错误（见上面的注释）。

所以也许引用System.Web毕竟不是那么糟糕。

如果你正在编写一个已经针对“.NET完全”（而不是“.NET客户端configuration文件” – 这是一个轻量级版本）的应用程序 – 我会去引用System.Web。