HtmlAgilityPack 抓取頁面的亂碼處理


用來解析 HTML 確實方便。不過直接讀取網頁時會出現亂碼。
實際上，它是能正確讀到有關字符集的信息，怎么會在輸出時，沒有取到正確內容。
因此，讀兩次就可以了。

#if interactive
#r @"E:\htmlagilitypack-99964\Trunk\HtmlAgilityPack\bin\fx.4.0\Debug\HtmlAgilityPack.dll"
#endif
//open System
//open System.Xml

//?? hexun -- GB2312
//?? tianya -- UTF-8

//let url = @"http://hadstj.blog.hexun.com/88419406_d.html"
let url = @"http://bbs.tianya.cn/post-worldlook-873912-1.shtml"
let html = new HtmlAgilityPack.HtmlWeb()
let doc0 = html.Load? ( url )
html.OverrideEncoding <- doc0.Encoding
let doc = html.Load? ( url )

let title = doc.DocumentNode.SelectSingleNode("//title").InnerText
printfn "%s" title

doc.DocumentNode.SelectNodes("//div")
|> Seq.map ( fun i -> i.InnerText )
|> Seq.iter?? ( printfn "%s" )

總結

以上是生活随笔為你收集整理的HtmlAgilityPack 抓取页面的乱码处理的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。