为什么UTF-8在这个编码上失败了？

Question

我要下载一个用UTF-8编码的页面。这是我的密码：

using (WebClient client = new WebClient())
{
    client.Headers.Add("user-agent", Request.UserAgent);

    htmlPage = client.DownloadString(HttpUtility.UrlDecode(resoruce_url));

    var KeysParsed = HttpUtility.ParseQueryString(client.ResponseHeaders["Content-Type"].Replace(" ", "").Replace(";", "&"));
    var charset = ((KeysParsed["charset"] != null) ? KeysParsed["charset"] : "UTF-8");
    Response.Write(client.ResponseHeaders);

    byte[] bytePage = Encoding.GetEncoding(charset).GetBytes(htmlPage);
    using (var reader = new StreamReader(new MemoryStream(bytePage), Encoding.GetEncoding(charset)))
    {
        htmlPage = reader.ReadToEnd();
        Response.Write(htmlPage);
    }
}

因此，它将UTF-8设置为编码。但是，例如，下载的标题在我的屏幕上显示为：

Sexy cover: 60 e più di “quei dischi” vietati ai minori

而不是作为：

Sexy cover: 60 e più di “quei dischi” vietati ai minori

有些事情不对劲，但我找不到地方。有什么想法吗？

Answer 1

问题是，当你得到数据时，它已经被转换了。

当WebClient.DownloadString执行时，它将获取原始字节并使用默认编码将它们转换为字符串。损害已经造成了。您不能接受得到的字符串，将其转换为字节，然后重新解释它。

换句话说，这就是正在发生的事情：

// WebClient.DownloadString does, essentially, this.
byte[] rawBytes = DownloadData();
string htmlPage = Encoding.Default.GetString(rawBytes);

// Now you're doing this:
byte[] myBytes = Encoding.Utf8.GetBytes(htmlPage);

但myBytes不一定与rawBytes相同。

如果您事先知道要使用什么编码，则可以设置WebClient实例的Encoding属性。如果您想要基于Content标头中指定的编码来解释字符串，那么您必须下载原始字节，确定编码，并使用它来解释字符串。例如：

var rawBytes = client.DownloadData(HttpUtility.UrlDecode(resoruce_url));
var KeysParsed = HttpUtility.ParseQueryString(client.ResponseHeaders["Content-Type"].Replace(" ", "").Replace(";", "&"));
var charset = ((KeysParsed["charset"] != null) ? KeysParsed["charset"] : "UTF-8");

var theEncoding = Encoding.GetEncoding(charset);
htmlPage = theEncoding.GetString(rawBytes);