解决HTML实体移除问题： 转普通空格及单元测试适配

你遇到的核心问题是 被HtmlDecode解码后得到的是非断空格（U+00A0，十六进制显示为A0），而你预期的是普通空格（U+0020）。数据库的SQL_Latin1_General_CP1_CI_AI排序规则中，非断空格和普通空格的存储/处理逻辑有差异，而你手动编写的测试用例用的是普通空格，这就直接导致了断言失败。下面针对你的两个问题逐一解答：

1. 如何让单元测试通过？ #

有两种实用方案，你可以根据业务需求选择：

方案一：调整测试用例的预期值 #

直接把预期字符串中的普通空格替换为非断空格（在C#中用\u00A0表示），同时修正预期值里的HTML实体错误——HtmlDecode会把<转成<、>转成>，原预期里的实体写法是错误的：

public void StripHtmlTest() {
    // arrange
    string html = "<p>This is a very <b>fat, <i>italic</i> and <u>underlined</u> text,<!-- foo bar --> sigh.</p> And 6 < 9 but > 3.";
    string actual;
    // 用\u00A0表示非断空格，同时替换掉错误的</>
    string expected = "This is\u00A0a very fat, italic and underlined text, sigh. And 6 < 9 but > 3.";
    // act
    actual = StaticRepository.StripHtml(html);
    // assert
    Assert.AreEqual(expected, actual);
}

方案二：在StripHtml函数中统一空格格式 #

如果你的业务逻辑要求所有空格都统一为普通空格，可以在解码后添加替换逻辑，把非断空格转换成普通空格：

public static string StripHtml(string text) {
    // Remove html entities like  
    text = System.Net.WebUtility.HtmlDecode(text);
    // 将非断空格替换为普通空格，统一格式
    text = text.Replace('\u00A0', ' ');
    // Init Html Agility Pack
    var htmlDoc = new HtmlDocument();
    htmlDoc.LoadHtml(text);
    // Return without html tags
    return htmlDoc.DocumentNode.InnerText;
}

这种方式下，你只需要修正原预期值里的<和>为实际符号即可，不用改动空格部分。

2. 你的测试方式是否正确？ #

整体思路是合理的，但细节上需要优化以贴合真实场景：

• 测试数据要模拟真实数据库内容：建议直接使用从数据库导出的真实字符串片段作为测试用例，而不是手动拼接——这样能完全避免编码不一致的问题，确保测试场景和生产场景一致。
• 明确编码差异逻辑：SQL_Latin1_General_CP1_CI_AI对应Windows-1252编码，其中0xA0就是非断空格；而Visual Studio手动输入的字符串默认是UTF-16，普通空格为0x20。测试时要明确这种差异，要么让测试数据匹配数据库编码，要么在函数中统一处理编码差异。
• 添加多场景测试：可以分别测试来自数据库的字符串、手动输入的字符串两种场景，确保函数在不同编码来源下都能返回符合预期的结果。

内容的提问来源于stack exchange，提问作者Leonard