題
我想從html文檔中提取有意義的文本，並且我使用的是html-agility-pack。這是我的代碼：
string convertedContent = HttpUtility.HtmlDecode(
ConvertHtml(HtmlAgilityPack.HtmlEntity.DeEntitize(htmlAsString))
);
ConvertHtml：
string convertedContent = HttpUtility.HtmlDecode(
ConvertHtml(HtmlAgilityPack.HtmlEntity.DeEntitize(htmlAsString))
);
轉換成：
string convertedContent = HttpUtility.HtmlDecode(
ConvertHtml(HtmlAgilityPack.HtmlEntity.DeEntitize(htmlAsString))
);
現在在某些情況下，當html頁面格式不正確時（例如，以下頁面 - http://rareseeds.com/cart/products/Purple_of_Romagna_Artichoke-646-72.html有一個格式錯誤的元標記，如<meta content="text/html; charset=uft-8" http-equiv="Content-Type"> ）[注意”uft“而不是utf]我的代碼在我嘗試加載html文檔時正在嘔吐。
有人可以建議我如何克服這些格式錯誤的HTML頁面並仍然從html文檔中提取相關文本？
謝謝，卡皮爾
一般承認的答案
正如在HtmlAgilityPack項目頁面中所說的那樣“解析器對'真實世界'格式錯誤的HTML非常寬容”。但是你所描述的那種錯誤太嚴重，可能無法糾正。您可以使用以下命令設置默認編碼：
HtmlDocument doc = new HtmlDocument();
doc.OptionDefaultStreamEncoding = Encoding.UTF8;