Webサイトを読む際のエンコーディングの問題、3つの異なるエンコーディング

Question

C＃のWebRequestに問題があります。それはGoogleのページです。

ヘッダ状態

text/html; charset=ISO-8859-1 

ウェブサイトの状態

<meta http-equiv=content-type content="text/html; charset=utf-8"> 

そして、私はSystem.Text.SBCSCodePageEncoding

に Encoding.Defaultデフォルトを使用する場合、最後に私は、デバッガで期待された結果と同様に、正規表現を取得します

ここで私は何をしますか？これがどうやって起こるか、あるいは私がこの問題をどのように解決できるか、何かヒントがありますか？

実際のページのエンコーディングはUTF-8のようです。少なくともFFでは、Windows-Whateverのではなくで、UTF-8では正しく表示され、ではなく、のLatin1で正しく表示されます。

URLはthis

問題は€-signだけでなく、すべてのドイツ語のウムラウトです。

私は真剣に狂っているこの問題の助けを前にありがとう！

更新：それはすべて正常に動作します私は、出力文字列を

// create a writer and open the file 
TextWriter tw = new StreamWriter("test.txt"); 

// write a line of text to the file 
tw.WriteLine(html); 

// close the stream 
tw.Close(); 

経由。

だから、問題は、デバッガが正しいエンコーディングと正規表現を表示していないようです。

RegExをUTF-8として処理するようにC＃に指示するにはどうすればよいですか？

Answer 1

HTMLを解析するのではなく、なぜGoogle Query APIを使用しますか？あなたのコメントへの答えは：

1. APIだけでなく、Googleデスクトップ のために働く正規表現を使用してHTMLを解析する前に、read this ;-)

   EDITはところで

   、。

2. このエンコードの問題は、Googleのページ固有の問題ですか？
3. これらのページのHTMLの微妙な変更や、Webサーバーから返送されたヘッダーの変更により、後で、実際にどのような問題が発生するのか、誰が知っているのでしょうか。 ウェブページは、コンピュータにはやさしくない人間の目に優しいとされています。フレンドリーであることが期待できるのは、ページの外観とレンダリングされたコンテンツだけです。基本的なHTML構造ではありません。 APIとは対照的に、コンピュータにやさしいとされるです。

Answer 2

解決策が見つかりました...多くの時間を要したが、これは動作します：

Characters in string changed after downloading HTML from the internet