잘못된 문자를 제거합니다. Excel 시트

Question

데이터를 얻고 Excel 시트로 출력하기 위해 웹 사이트를 크롤링하는 프로그램을 작성했습니다. 이 프로그램은 Microsoft Visual Studio 2010을 사용하여 C#으로 작성되었습니다.

대개의 경우 웹 사이트에서 콘텐츠를 가져 와서 구문 분석하고 데이터를 Excel에 저장하는 데 아무런 문제가 없습니다.

그러나 한 번은 내가 문제를 일으키며, 파일을 엑셀 파일로 출력하는 것을 막는 불법 문자 (예 : ▶)가있어 프로그램이 충돌합니다. 나는 웹 사이트를 수동으로 방문하여 Ú과 같은 다른 불법 문자를 발견했습니다.

나는 .Replace()을 시도했지만 코드에서 해당 문자를 찾지 못하는 것 같습니다.

string htmlContent = getResponse(url); //get full html from given url 
string newHtml = htmlContent.Replace("▶", "?").Replace("Ú", "?"); 

내 질문은 HTML 문자열에서 해당 유형의 모든 문자를 제거하는 방법이 있습니까? (웹 페이지의 html) 아래 오류 메시지가 나타납니다.

Answer 1

답장을 보내 주셔서 감사합니다.

몇 시간 씩 인터넷 검색을 한 후 내 질문에 대한 해결책을 찾았습니다. 문제는 내 html 문자열을 "sanitize"해야한다는 것이 었습니다.

http://seattlesoftware.wordpress.com/2008/09/11/hexadecimal-value-0-is-an-invalid-character/

위는 코드 예제를 제공합니다 내가 찾은 유용한 기사입니다.

Answer 2

당신은 모든 비 ASCII 문자를 제거 시도 할 수 ...

나는 안토니와 워즈니악의 솔루션을 시도하고 작동하지 않았다.

var htmlText = // get the text you're trying to convert. 

var convertedText = System.Text.Encoding.ASCII.GetString(
    System.Text.Encoding.Convert(
     System.Text.Encoding.Unicode, 
     System.Text.Encoding.ASCII, 
     System.Text.Encoding.Unicode.GetBytes(htmlText))); 

내가 문자열 ▶Hello World으로이 테스트는 나에게 ?Hello World을했다 :

string htmlContent = getResponse(url); 
string newHtml = Regex.Replace(htmlContent, @"[^\u0000-\u007F]", "?"); 

Answer 3

는 System.Text.Encoding.Convert

사용 예제를 참조하십시오.