3

Estou lendo uma página HTML utilizando o Html Agility Pack. Executo o código no notebook e funciona perfeitamente. O problema é quando executo o mesmo no Windows Phone 7.1.

Caracteres acentuados (ç) estão codificados. E o mais estranho é que o mesmo código é utilizado para baixar duas páginas, as duas possuem palavras coma acentos, mas apenas uma delas não retorna o texto como exibido na página.

Código para carregar o arquivo

    CustomEncoding enc = new CustomEncoding();
    HtmlAgilityPack.HtmlDocument document = new HtmlAgilityPack.HtmlDocument();
    document.OptionDefaultStreamEncoding = enc; //CustomEncoding.Unicode;

Código para executar o download

    HtmlWeb web = new HtmlWeb();
    //CustomEncoding is "iso-8859-2"
    web.LoadCompleted += web_LoadCompleted;
    web.LoadAsync(_filme.Detalhes, enc);// GetEncoding("iso-8859-1"));

Utilizo a propriedade InnerHtml para recuperar o texto.

    void web_LoadCompleted(object sender, HtmlDocumentLoadCompleted e)
    {
        HtmlDocument document = new HtmlDocument();
        document.OptionDefaultStreamEncoding = CustomEncoding.Unicode;// System.Text.Encoding.UTF8;
        //document.LoadHtml(e.Document);
        HtmlNode html = GetNodeByName(e.Document.DocumentNode, "html");
        HtmlNode body = GetNodeByName(html, "body");
        HtmlNode allOut = GetNodeById(body, "all-out");
        HtmlNode allIn = GetNodeById(allOut, "all-in");
        HtmlNode content = GetNodeById(allIn, "content");
        HtmlNode lojas = GetNodeById(content, "lojas");
        HtmlNode leftSideMovie = GetNodeById(lojas, "left-side-movie");
        HtmlNode infoLoja = GetNodeById(leftSideMovie, "info-loja");

        HtmlNode censuraNode = GetNodeById(infoLoja, "censura-3d-leg-dub");
        HtmlNode sinopseNode = GetNodeById(infoLoja, "sinopse");
        HtmlNode marmota = GetNodeByNameAndClass(sinopseNode, "div", "margin_20b");
        HtmlNode preSinopseNode = marmota;

        //percorrer todos os filhos até encontrar a ultima marmota
        while (marmota != null)
        {
            preSinopseNode = marmota;
            marmota = GetNodeByNameAndClass(marmota, "div", "margin_20b");
        }

        string sinopse;
        try
        {
            //TODO: remover o try e refatorar para armazenar cada chamada de metodo em uma variavel
            //tentar com o span
            _filme.Descricao = GetNodeByName(GetNodeByName(preSinopseNode, "p"), "span").InnerHtml;
        }
        catch (Exception ex)
        {
            _filme.Descricao = GetNodeByName(preSinopseNode, "p").InnerHtml;
        }
    }

Página utilizada

Vou adicionar apenas um dos métodos, pois todos são muito semelhantes.

    private HtmlNode GetNodeByName(HtmlNode root, string node)
    {
        foreach (HtmlNode link in root.ChildNodes)
            if (link.Name.Equals(node))
                return link;
        return null;
    }

Um dos links que fala sobre CustomEncoding

2 Respostas 2

1

Estive fazendo um simples leitor de html e csv, onde encontrei o mesmo problema. Resolvi meu problema substituindo o UTF8 por iso-8859-1, então te sugiro substituir o teu Enconding da seguinte forma

Código para carregar o arquivo

HtmlDocument document = new HtmlDocument();
document.OptionDefaultStreamEncoding = Encoding.GetEncoding("iso-8859-1");

Código para executar o download

HtmlWeb web = new HtmlWeb();
web.LoadCompleted += web_LoadCompleted;
web.LoadAsync(_filme.Detalhes, Encoding.GetEncoding("iso-8859-1"));

Maiores informações sobre os Enconding tu pode encontrar no link http://en.wikipedia.org/wiki/ISO/IEC_8859-1

10
  • Não funcionou, Paulo. Você fez no Windows Phone 7.1? 19/11/2014 às 11:26
  • Não, foi console aplication. 19/11/2014 às 11:27
  • Pois é, o meu código funcionou perfeitamente console, com UTF8, o problema é apenas no Windows Phone. 19/11/2014 às 11:28
  • Será que o Windows phone não usa um Encoding diferente? 19/11/2014 às 11:41
  • Encontrei perguntas semelhantes no so em inglês, mas não consegui resolver. Dizia q teria q utilizar um pograma pra gerar uma class de encoding. Mas o estranho é que isso ta acontecendo com uma página e outra não. 19/11/2014 às 11:44
0

Mais uma vez a minha teoria se mostra correta.
Quando você não consegue encontrar uma solução, é provável que esteja bem na frente do seu nariz.

Essa foi a solução, sem precisar configurar o encoding.

    System.Web.HttpUtility.HtmlDecode

Você deve fazer log-in para responder a esta pergunta.

Esta não é a resposta que você está procurando? Pesquise outras perguntas com a tag .