c# - C# で HTML エンティティを Unicode 文字に変換する

Question

Python と Javascript について同様の質問と回答が見つかりましたが、C# やその他の WinRT 互換言語については見つかりませんでした。

必要だと思う理由は、Web サイトから取得したテキストを Windows 8 ストア アプリに表示しているためです。たとえばé、になる必要がありéます。

それとももっと良い方法がありますか？Web サイトや RSS フィードは表示していませんが、Web サイトとそのタイトルのリストのみを表示しています。

Answer 1

System.Net.WebUtility.HtmlDecodeを使用することをお勧めします HttpUtility.HtmlDecode。

これは、System.Web参照がWinforms / WPF / Consoleアプリケーションに存在せず、このクラス（これらすべてのプロジェクトで参照として既に追加されている）を使用してまったく同じ結果を取得できるためです。

使用法：

string s =  System.Net.WebUtility.HtmlDecode("é"); // Returns é

Answer 2

ここHttpUtility.HtmlDecode()で msdn で .Readを使用します

decodedString = HttpUtility.HtmlDecode(myEncodedString)

Answer 3

Metro アプリと WP8 アプリで HTML エンティティと HTML 番号の異なるコーディング/エンコーディング。

Windows ランタイム Metro アプリを使用

{
    string inStr = "ó";
    string auxStr = System.Net.WebUtility.HtmlEncode(inStr);
    // auxStr == ó
    string outStr = System.Net.WebUtility.HtmlDecode(auxStr);
    // outStr == ó
    string outStr2 = System.Net.WebUtility.HtmlDecode("ó");
    // outStr2 == ó
}

Windows Phone 8.0 の場合

{
    string inStr = "ó";
    string auxStr = System.Net.WebUtility.HtmlEncode(inStr);
    // auxStr == ó
    string outStr = System.Net.WebUtility.HtmlDecode(auxStr);
    // outStr == ó
    string outStr2 = System.Net.WebUtility.HtmlDecode("ó");
    // outStr2 == ó
}

これを解決するために、WP8 では、 を呼び出す前にHTML ISO-8859-1 リファレンスにテーブルを実装しましたSystem.Net.WebUtility.HtmlDecode()。

Answer 4

これは私にとってはうまくいき、一般的なエンティティとユニコードエンティティの両方を置き換えます。

private static readonly Regex HtmlEntityRegex = new Regex("&(#)?([a-zA-Z0-9]*);");

public static string HtmlDecode(this string html)
{
    if (html.IsNullOrEmpty()) return html;
    return HtmlEntityRegex.Replace(html, x => x.Groups[1].Value == "#"
        ? ((char)int.Parse(x.Groups[2].Value)).ToString()
        : HttpUtility.HtmlDecode(x.Groups[0].Value));
}

[Test]
[TestCase(null, null)]
[TestCase("", "")]
[TestCase("'fark'", "'fark'")]
[TestCase(""fark"", "\"fark\"")]
public void should_remove_html_entities(string html, string expected)
{
    html.HtmlDecode().ShouldEqual(expected);
}

Answer 5

Zumey メソッドの改善 (コメントできません)。最大文字サイズはエンティティにあります: &exclamation; (11)。エンティティの大文字も可能です。À (ウィキからの出典)

public string EntityToUnicode(string html) {
        var replacements = new Dictionary<string, string>();
        var regex = new Regex("(&[a-zA-Z]{2,11};)");
        foreach (Match match in regex.Matches(html)) {
            if (!replacements.ContainsKey(match.Value)) { 
                var unicode = HttpUtility.HtmlDecode(match.Value);
                if (unicode.Length == 1) {
                    replacements.Add(match.Value, string.Concat("&#", Convert.ToInt32(unicode[0]), ";"));
                }
            }
        }
        foreach (var replacement in replacements) {
            html = html.Replace(replacement.Key, replacement.Value);
        }
        return html;
    }