asp.net(C#) 下载网页并处理编码

最新推荐文章于 2021-07-13 08:49:47 发布

原创最新推荐文章于 2021-07-13 08:49:47 发布 · 784 阅读

0 ·

CC 4.0 BY-SA版权

asp.net 专栏收录该内容

1 篇文章

订阅专栏

本文介绍了在ASP.NET C#中如何处理不同编码的网页，特别是UTF-8编码的网页。通过示例代码展示了从UTF-8到GBK的转换方法，并提供了使用WebBrowser控件处理登录及验证码的技巧，强调了手动识别验证码的重要性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Ｃ#下默认的是unicode编码
但是比如，我使用以下代码，从某网站上下载网页，而该网页是Utf-8编码的，这时，显示出来的中文就乱码了。
string sHtml = client.DownloadString(sUrl);

经过多方尝试，我用下列操作搞出来了正确的编码了，但是其中的原理，我并不明白。

byte[] byteArray = Encoding.Default.GetBytes(sHtml);　
string s1 = System.Text.Encoding.UTF8.GetString(byteArray);

后来又发现，这样处理，大部分字符显示出来了，但某些字符转换不正确。
正确的方法应该是

C#下载utf-8的网页

　　WebClient client = new WebClient();
         byte[] byteArray= client.DownloadData(sUrl);
          string sHtml = Encoding.UTF8.GetString(byteArray);
有时候总搞不清楚，总以为UTF-8就是unicode,实际是，utf-8也是一种MultiBytes编码，gbk也是一个MultiBytes编码，而Unicode是WideChar编码。

闲话不多说了，要将 utf-8转成gk，写了一个高温磁力泵函数以方便使用。
void Utf2gb(const char *utf,char *gb)
{
int nLen = strlen(utf);
WCHAR * szUnicode = new WCHAR[nLen+1];
char * szAnsi = new char[nLen+1];
int nWCHAR=MultiByteToWideChar(CP_UTF8,0,utf,nLen,szUnicode,nLen);
int nSize=WideCharToMultiByte(CP_ACP,0,szUnicode,nWCHAR,szAnsi,nLen,NULL,NULL);
szAnsi[nSize]=0;
strcpy( gb,szAnsi);
delete szUnicode;
delete szAnsi;
}

调用示例：
char szUTF[]="鎴戠殑";
Utf2gb(szUTF,szUTF);
当然，你的两个参数不一样，也是OK的。
看到论坛有人在问如何编程登录有验证码的高温磁力泵网站题，于是专门研究了一下。文章后有源码下载地址。

注：验证码还是要人来辨认。

有几种处理办法，一是使用WebBrowser控件，一是使用WebClient或者WebRequest控件来处理。

本文中使用 WebBrowser 控件。

（以优快云登录为例）

这里有两个难点：

1,如何获得验证码的图片。

2,如果模拟表单提交。

先做一些准备工作，即通过察看登录页的源码码,查出用户名等控件的name.

验证码的控件的name是MzImgExpPwd

提交按钮是一个图片，name是　ctl00$CPH_Content$Image_Login

添加引用 Microsft.mshtml

获得验证码的关键代码

HTMLDocument html = (HTMLDocument)this.webBrowser1.Document.DomDocument;
            HtmlElement elm = (HtmlElement)webBrowser1.Document.All["MzImgExpPwd"];

            IHTMLControlElement img = (IHTMLControlElement)elm.DomElement;
            IHTMLControlRange range = (IHTMLControlRange)((HTMLBody)html.body).createControlRange();
            range.add(img);
            range.execCommand("Copy", false, null);
            img = null;
            range = null;
            html = null;
            if(Clipboard.ContainsImage())
            { http://www.dcci.com.cn/
                this.pictureBox1.Image = Clipboard.GetImage();
            }
            else
            {
                MessageBox.Show("执行不成功");
            }
            Clipboard.Clear();

提交的关键代码

webBrowser1.Document.All["ctl00$CPH_Content$tb_LoginNameOrLoginEmail"].InnerText = textBox1.Text;
            webBrowser1.Document.All["ctl00_CPH_Content_tb_Password"].InnerText = textBox2.Text;
            webBrowser1.Document.All["ctl00$CPH_Content$tb_ExPwd"].InnerText = textBox3.Text;

            webBrowser1.Document.All["ctl00$CPH_Content$Image_Login"].InvokeMember("click");