InnerHtml caracteres especiais

Question

Pessoal,

Tenho uma aplicação em c# que está lendo uma página utilizando o HtmlAgilityPack e estou conseguindo fazer o que preciso, porém quando utilizo o InnerHTML pra me retornar o texto, quando tem algum caractere especial, por exemplo um "Ç" ou um "ã" ele não reconhece. Quando debugo fica com um caractere "?" no lugar.

Ao procurar na internet verifiquei que o problema é resolvido utilizando o HttpUtility.HtmlDecode(). Porém, tentei utilizar e continuou acontecendo o mesmo problema. 

Alguma dica para conseguir pegar o texto do jeito que vem?

Obrigado!

Answer 1

Amigo, boa tarde.

Por acaso você pode mandar seu código aqui para que possamos dar uma olhada ?

Não sou especialista nesse helper, mas acredito que há algo na hora de instanciar suas classes do HTMLAgilityPack que possa ser configurado para um Encoding específico, e nesse momento você está omitindo tal configuração.

Abraços !

---

Diego Murakami - MCP, MS
* Por favor "Marcar como Resposta" caso esta for útil para sua dúvida.

Answer 2

Opa, claro, dá uma olhada:

HtmlWeb htmlweb = new HtmlWeb();

            HtmlDocument doc = htmlweb.Load("http://www.globo.com/");

HtmlNode[] links = doc.DocumentNode.SelectNodes("//a]").ToArray();

for (int i = 0; i < links.Length; i++)
            {
                
                string texto = WebUtility.HtmlDecode(links[i].InnerText);
}

Tentei com o InnerHTML e o com InnerText. Os dois retornam tipo assim: "Cota��o"

Answer 3

Diego,

O método de Load não tem esses overloads. Talvez estejamos confundindo por ter algum outro método Load. Olha vou postar aqui as opções:



Answer 4

(separei em dois posts já que só é permitido postar duas imagens por post)

Answer 5

Tenta assim então....acho que o encoding da página ta vindo errado.

HtmlWeb htmlweb = new HtmlWeb();
web.AutoDetectEncoding = false;
web.OverrideEncoding = Encoding.UTF8;

            HtmlDocument doc = htmlweb.Load("http://www.globo.com/");

HtmlNode[] links = doc.DocumentNode.SelectNodes("//a]").ToArray();

for (int i = 0; i < links.Length; i++)
            {
                
                string texto = WebUtility.HtmlDecode(links[i].InnerText);
}

Testa e posta aqui seu resultado ;)

Abraços !

---

Diego Murakami - MCP, MS
* Por favor "Marcar como Resposta" caso esta for útil para sua dúvida.

Answer 6

Obrigado Diegoooo!

Utilizando UTF8 não funcionou, porém utilizando Default funcionou normalmente:

htmlweb.AutoDetectEncoding = false;
htmlweb.OverrideEncoding = Encoding.Default;