C#使用NSoup解析HTML的乱码解决

NSoup是JSoup的Net移植版本。使用方法基本一致。

如果项目涉及HTML的处理，强烈推荐NSoup，毕竟字符串截断太苦逼了。

下载地址：

http://nsoup.codeplex.com/

简单用法如下：

?

1	NSoup.Nodes.Document doc = NSoup.NSoupClient.Parse(HtmlString);

处理网络上的页面：

?

1	NSoup.Nodes.Document doc = NSoup.NSoupClient.Connect("http://www.cnblogs.com/htynkn/").Get();

但是遗憾的是NSoup默认的编码是UTF-8，处理中文有乱码（对于编码是UTF-8的自然不会有乱码，但是有些GB2312的就可能有乱码，谢谢 forhells的提醒）。

目前我找到两种解决办法：

1.下载网页源代码再处理

?

1 2 3

WebClient webClient = new WebClient(); String HtmlString=Encoding.GetEncoding("utf-8").GetString(webClient.DownloadData("http://www.cnblogs.com/htynkn/")); NSoup.Nodes.Document doc = NSoup.NSoupClient.Parse(HtmlString);

2.获得网页的流

?

1 2	WebRequest webRequest=WebRequest.Create("http://www.cnblogs.com/htynkn/"); NSoup.Nodes.Document doc = NSoup.NSoupClient.Parse(webRequest.GetResponse().GetResponseStream(),"utf-8");

第二种用着比较方便，但是我觉得第一种比较合适，毕竟NSoup是个Html解析类，下载网页代码这种事情本来不应该交给它。