解决HttpWebRequest和HtmlAgilityPack采集网页中文乱码问题

找了好多都不好用，这个好用了，谢谢分享的博主，下面给大家看看吧

文章来给大家介绍解决HttpWebRequest和HtmlAgilityPack抓取网页中文乱码问题，如果你在使用此HttpWebRequest和HtmlAgilityPack获取远程网页面时出现乱码我们可进入参考一下哦。

代码如下

代码如下

复制代码

public Encoding GetEncoding(string CharacterSet) { switch (CharacterSet) { case "gb2312": return Encoding.GetEncoding("gb2312"); case "utf-8": return Encoding.UTF8; default: return Encoding.Default; } } public string HttpGet(string url) { string responsestr = ""; HttpWebRequest req = HttpWebRequest.Create(url) as HttpWebRequest; req.Accept = "*/*"; req.Method = "GET"; req.UserAgent = "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.1 (KHTML, like Gecko) Chrome/21.0.1180.89 Safari/537.1"; using (HttpWebResponse response = req.GetResponse() as HttpWebResponse) { Stream stream; if (response.ContentEncoding.ToLower().Contains("gzip")) { stream = new GZipStream(response.GetResponseStream(), CompressionMode.Decompress); } else if (response.ContentEncoding.ToLower().Contains("deflate")) { stream = new DeflateStream(response.GetResponseStream(), CompressionMode.Decompress); } else { stream = response.GetResponseStream(); } using (StreamReader reader = new StreamReader(stream, GetEncoding(response.CharacterSet))) { responsestr = reader.ReadToEnd(); stream.Dispose(); } } return responsestr; }

调用HttpGet就可以获取网址的源码了，得到源码后， 现在用一个利器HtmlAgility来解析html了，不会正则不要紧，此乃神器啊。老板再也不用担心我的正则表达式了。

至于这个神器的用法，园子文章很多，写的也都挺详细的，在此不赘余了。

 
下面是抓取园子首页的文章列表：

代码如下

复制代码

string html = HttpGet("http://www.111cn.net/"); HtmlDocument doc = new HtmlDocument(); doc.LoadHtml(html); //获取文章列表 var artlist = doc.DocumentNode.SelectNodes("//div[@class='post_item']"); foreach (var item in artlist) { HtmlDocument adoc = new HtmlDocument(); adoc.LoadHtml(item.InnerHtml); var html_a = adoc.DocumentNode.SelectSingleNode("//a[@class='titlelnk']"); htm = htm&(string.Format("标题为：{0}，链接为：{1}<br>",html_a.InnerText,html_a.Attributes["href"].Value)); }

好了运行有中文的网页是没有问题的哦，取出来的截图我就不介绍了，当然大家可进行一些调整处理，本文章主要是介绍解决中文乱码问题。

原地址是http://www.111cn.net/net/net/63856.htm