Encontrar una API de análisis para URL con codificación parcialmente utf8

Question

Al analizar HTML para determinadas páginas web (en particular, cualquier página de Windows en vivo) encuentro muchas URL en el siguiente formato.

http \ X3A \ x2f \ x2fjs.wlxrs.com \ x2fjt6xQREgnzkhGufPqwcJjg \ x2fempty.htm

Estos parecen ser parcialmente UTF8 escapó cuerdas (\ x2f = /, \ X3A = :, etc ...). ¿Hay una API .Net que se pueda usar para transformar estas cadenas en System.Uri? Parece bastante fácil de analizar pero estoy tratando de evitar construir una rueda nueva hoy.

Answer 1

Lo que ha publicado no es HTTP válido. Como tal, por supuesto HttpUtility.UrlDecode() no funcionará. Pero independientemente de eso, se puede convertir esta de nuevo en texto normal como esto:

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()); 

notar que esto supone que la codificación es América-1 en lugar de UTF-8. La información que proporcionó no es concluyente a ese respecto. Si necesita UTF-8 para funcionar, necesita una ruta un poco más larga; tendrá que convertir la cadena en bytes y reemplazar las secuencias de escape con los bytes relevantes en el proceso (probablemente necesite un bucle while), y luego usar Encoding.UTF8.GetString() en la matriz de bytes resultante.

Answer 2

¿Has probado HttpUtility.UrlDecode?

Answer 3

aquí es otra solución: (como continuación de la solución @timwi)

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