1027      微軟  Office

C# 網絡編程之webBrowser亂碼問題及解決知識

       在使用PHP+MySQL編寫網頁時，曾近就因為顯示中文亂碼”口口口？？？”困擾我很長時間,沒想到在C#製作瀏覽器或獲取XML頁麵時也經常會遇到顯示中文亂碼的問題，可想而知怎樣解決編碼問題或統一編碼問題是非常嚴重的問題。下麵就講講我的一些理解及解決方法吧！

一.瀏覽器實現

        前麵我已經介紹了使用webBrowser控件實現"最簡單的瀏覽器"基本代碼如下所示:

//命名空間  
using System.Net;  
using System.IO;
//點擊"瀏覽"按鈕
private void button1_Click(object sender, EventArgs e)
{
    //輸入URL
    string url = textBox1.Text;
    var request = (HttpWebRequest)WebRequest.Create(url);  //HTTP請求
    var response = (HttpWebResponse)request.GetResponse(); //HTTP應答
    //顯示webBrowser中
    Stream stream = response.GetResponseStream();          //獲取應答流
    StreamReader sr = new StreamReader(stream);            //從字節流中讀取字符
    string content = sr.ReadToEnd();
    webBrowser1.DocumentText = content;                        
}

       該方法通過獲取相應URL的應答內容,通過賦值數據流,再從字節流中讀取內容賦值給webBrowser控件中實現最簡單的瀏覽器;但通過該方法常常會遇到現實中文字符亂碼問題,或者是顯示格式錯誤等問題.例如訪問google等.

     PS:這裏有另外一種方法調用webBrowser的Navigate方法將指定位置的文檔加載到控件中,其中一種重載方法Navigate(string)將製定的統一資源定位符URL處的文檔加載到WebBrowser控件中替換上一個文檔,而且實現該方法不會出現亂碼問題、排版問題、缺少http報錯問題.其實我很想知道封裝的該函數是如何實現的.

private void button1_Click(object sender, EventArgs e)
{
    webBrowser1.Navigate(textBox1.Text.Trim());
}

二.亂碼問題

三.解決方法

     其中最簡單的方法是先獲取其指定網頁的字符集,在根據它的字符集采用相應的編碼方式進行解碼讀取.我們采用下麵代碼獲取該URL的字符集為"ISO-8859-1"

string str = response.CharacterSet;
MessageBox.Show(str);

     在設置其對應的編碼方式,通過定義Encoding enc字符編碼方式,其方法GetEncoding("相應編碼方式")設置字符編碼,然後在StreamReader(stream,enc)中采用對應設置的編碼方式從字節流中讀取內容.

private void button1_Click(object sender, EventArgs e)
{
    //獲取輸入的URL
    string url = textBox1.Text;
    var request = (HttpWebRequest)WebRequest.Create(url);  //HTTP請求
    var response = (HttpWebResponse)request.GetResponse(); //HTTP應答
    //顯示響應字符集
    string str = response.CharacterSet;
    MessageBox.Show(str);
    //設置ISO-8859-1字符編碼方式
    Encoding enc;
    if (response.CharacterSet != "ISO-8859-1")
    {
        enc = Encoding.GetEncoding(response.CharacterSet);
    }
    else
    {
        enc = Encoding.GetEncoding("GBK");
    }
    //顯示webBrowser中
    Stream stream = response.GetResponseStream();          //獲取應答流
    StreamReader sr = new StreamReader(stream,enc);        //從字節流中讀取字符
    string content = sr.ReadToEnd();
    webBrowser1.DocumentText = content;    
}

      顯示結果如下:其中CharacterSet采用ISO-8859-1編碼方式,但從網頁源代碼中發現它的charset=gb2312所以我設置的Encoding.GetEncoding("GBK或GB2312").能正確顯示中文漢字:

    其實當獲取指定網頁字符集時,采用指定編碼方式對其進行解碼的核心代碼就是幾句:(同樣可設置webBrowser.DocumentStream)

Stream stream = response.GetResponseStream();
StreamReader sr = new StreamReader(stream, System.Text.Encoding.GetEncoding("gb2312"));
string content = sr.ReadToEnd();

       也可以采用獲取到的文章內容content通過byte[] utf8Bytes = System.Text.Encoding.Convert(iso_8859_1, utf_8, isoBytes);這樣的語句轉換為相應的內容顯示;經常能看到這樣的通過byte[]轉換ISO-8859-1的方法,但本人沒有嚐試過.個人認為在讀入時就采用相對應的編碼方式比較好.
       由於webBrowser是簡單的瀏覽器,肯定不能使用每一個頁麵都去找相應的characterSet字符集,因此我們可以設置相應的函數,直接調用函數實現顯示內容:(代碼感謝一位博主,https://blog.csdn.net/lemonay/article/details/8865939)

private static string GetHTMLbyWebRequest(string url)
{
    //獲取輸入的URL
    var request = (HttpWebRequest)WebRequest.Create(url);  //HTTP請求
    var response = (HttpWebResponse)request.GetResponse(); //HTTP應答
    Encoding encoding = System.Text.Encoding.Default;      //當前字符編碼方式
    //響應狀態為OK
    if (response.StatusDescription.ToUpper()=="OK")        //大寫
    {
        //設置獲取鏈接中網頁的編碼格式
        switch (response.CharacterSet.ToLower())           //小寫
        {
            case "gbk":
                encoding = Encoding.GetEncoding("GBK");
                break;
            case "gb2312":
                encoding = Encoding.GetEncoding("GB2312");
                break;
            case "utf-8":
                encoding = Encoding.UTF8;
                break;
            case "iso-8859-1":
                encoding = Encoding.GetEncoding("GBK");    //GB2312              
                break;
            case "big5":
                encoding = Encoding.GetEncoding("Big5");
                break;
            default:
                encoding = Encoding.UTF8;
                break;
        }
        //流操作               
        Stream stream = response.GetResponseStream();          
        StreamReader sr = new StreamReader(stream,encoding);        
        string content = sr.ReadToEnd();
        File.WriteAllText("1.html", content, Encoding.UTF8);
        //關閉釋放資源
        stream.Close();
        sr.Close();
        response.Close();
        return content;
    }
    else
    {
        MessageBox.Show("響應失敗!");
        return string.Empty;
    }   
}

       然後在點擊按鈕事件中調用該函數即可:webBrowser1.DocumentText = GetHTMLbyWebRequest(textBox1.Text.Trim());就能實現訪問亂碼的網站,但網站還是有一個問題:在訪問sohu時是亂碼,其他網站基本都能正常訪問.這讓我有陷入思考中.下麵是訪問google,同時在該函數中最後添加File.WriteAllText("text.html", content, Encoding.UTF8);還能獲取保存靜態頁麵.

       同時也可以采用動態方法獲取網頁的字符集,在采用對應的編碼方式進行讀取.可以參看下麵文章:https://blog.csdn.net/xx530713660/article/details/6310121其核心代碼是:

//動態獲取網頁編碼方式並讀取
Encoding encoding = Encoding.GetEncoding(webBrowser.Document.Encoding);
StreamReader stream = new StreamReader(webBrowser.DocumentStream, encoding);
string conten = stream.ReadToEnd(); 

四.總結

最後更新：2017-04-03 15:21:51

  上一篇： 常用的各種排序算法

  下一篇： 中興筆試題