如何对HTML特殊字符编码（非实体化）且不编码HTML标签？

要实现只编码文本中的特殊字符（如®、&、©）为数字HTML实体，同时保留HTML标签（如<b>），最可靠的方式是借助HTML解析库区分文本节点和标签节点，避免手动解析的潜在错误。

方法：使用HtmlAgilityPack处理 #

HtmlAgilityPack是成熟的.NET HTML解析库，能准确识别HTML结构中的文本和标签，仅对文本内容做编码处理。

步骤1：安装NuGet包 #

Install-Package HtmlAgilityPack

步骤2：实现编码方法 #

using HtmlAgilityPack;
using System.Text;
using System.Linq;

public static string EncodeSpecialCharsPreserveTags(string input)
{
    var htmlDoc = new HtmlDocument();
    htmlDoc.LoadHtml(input);

    // 遍历所有文本节点
    foreach (var textNode in htmlDoc.DocumentNode.Descendants().OfType<HtmlTextNode>())
    {
        var encodedBuilder = new StringBuilder();
        foreach (char c in textNode.Text)
        {
            // 编码非ASCII字符及HTML特殊符号（&、<、>、"、'）为数字实体
            if (c > 127 || c == '&' || c == '<' || c == '>' || c == '"' || c == '\'')
            {
                encodedBuilder.Append($"&#{(int)c};");
            }
            else
            {
                encodedBuilder.Append(c);
            }
        }
        textNode.Text = encodedBuilder.ToString();
    }

    return htmlDoc.DocumentNode.OuterHtml;
}

步骤3：使用示例 #

var originalText = "Encode this: ®, &, © but not this: <b>";
var encodedResult = EncodeSpecialCharsPreserveTags(originalText);
Console.WriteLine(encodedResult);

输出结果 #

Encode this: &#174;, &#38;, &#169; but not this: <b>

方法优势 #

• 自动区分HTML标签与文本内容，仅编码文本中的特殊字符，完全保留标签结构。
• 手动生成数字实体，确保输出为&#xxx;格式，而非®这类命名实体，精准匹配需求。

不推荐手动解析的原因 #

手动用正则匹配标签和文本，极易出现嵌套标签、自闭合标签、属性特殊字符等处理错误，维护成本远高于使用成熟解析库。

内容的提问来源于stack exchange，提问作者chadveloper