Suche nach einer Parsing-API für teilweise utf8-codierte URLs

Question

Beim Parsen von HTML für bestimmte Webseiten (vor allem Windows-Live-Seiten) stoße ich auf viele URLs im folgenden Format.

http \ X3A \ X2f \ x2fjs.wlxrs.com \ x2fjt6xQREgnzkhGufPqwcJjg \ x2fempty.htm

Diese erscheinen teilweise zu UTF8 Strings entkam (\ X2f =/\ = X3A :, etc ...). Gibt es eine .NET-API, mit der diese Zeichenfolgen in eine System.Uri umgewandelt werden können? Scheint einfach zu parsen, aber ich versuche heute zu vermeiden, ein neues Rad zu bauen.

Answer 1

Was Sie gepostet haben, ist kein gültiges HTTP. Daher wird HttpUtility.UrlDecode() natürlich nicht funktionieren. Aber unabhängig davon, dass, können Sie diese wieder in normalen Text wie folgt drehen:

string input = @"http\x3a\x2f\x2fjs.wlxrs.com\x2fjt6xQREgnzkhGufPqwcJjg\x2fempty.htm"; 
string output = Regex.Replace(input, @"\\x([0-9a-f][0-9a-f])", 
    m => ((char) int.Parse(m.Groups[1].Value, NumberStyles.HexNumber)).ToString()); 

aber feststellen, dass dies setzt voraus, dass die Codierung Latin-1 eher als UTF-8. Ihre Eingaben sind in dieser Hinsicht nicht eindeutig. Wenn Sie UTF-8 benötigen, benötigen Sie eine etwas längere Route. Sie müssen die Zeichenfolge in Bytes konvertieren und die Escape-Sequenzen durch die relevanten Bytes im Prozess ersetzen (benötigt wahrscheinlich eine while-Schleife) und dann Encoding.UTF8.GetString() für das resultierende Byte-Array verwenden.

Answer 2

Haben Sie versucht HttpUtility.UrlDecode?

Answer 3

hier eine andere Lösung: (von @timwi Lösung fortgesetzt) ​​

string output = Regex.Replace(input, @"\\x([0-9a-f][0-9a-f])", 
      m => ((char)Convert.ToInt32(m.Groups[1].Value, 16)).ToString());