有没有人注意到，如果你从剪贴板检索HTML，它会得到错误的编码并注入奇怪的字符？如何从剪贴板中获得正确编码的HTML？
例如，执行这样的命令：
string s = (string) Clipboard.GetData(DataFormats.Html)
结果的东西，如：
<FONT size=-2>Â Â <A href="/advanced_search?hl=en">Advanced
Search</A><BR>Â Â <A href="/preferences?hl=en">Preferences</A><BR>Â Â <A
href="/language_tools?hl=en">Language
Tools</A></FONT>
不知道降价将如何处理这一点，但也有在产生的标记怪异字符以上。
看来，这个错误是与.NET框架。您认为从剪贴板获得正确编码的HTML的最佳方法是什么？
以下是可以修改到剪贴板以更改任何编码问题的PowerShell脚本。
http://www.johndcook.com/blog/2008/10/17/manipulating-the-clipboard-with-powershell/
你必须解释数据为UTF-8。见MS Office hyperlinks change code page?。
我不知道您的原始源文档是什么，但请注意，Word和Outlook以不同的编码提供了多个版本的剪贴板。一个通常是Windows-1252，另一个是UTF-8。当您预计Windows-1252（Latin-1 + Smart Quotes）时，可能默认采用UTF-8编码版本？非ASCII字符会显示为多个奇数拉丁字母重音字符。大多数“智能引号”不在Latin-1集合中，并且通常是UTF-8中的三个字节。
你能指定你想要剪贴板内容的编码吗？
在这种情况下，它不像我的情况那么明显。今天，我试图从剪贴板复制数据，但有一些unicode字符。我得到的数据好像我会在Windows-1250编码（本地编码在我的Windows中）中读取UTF-8编码文件。
看来你的情况是一样的。如果您保存html数据（请记住在Â字符之后放置不可破坏的空间= 0xa0，而不是标准空间）在Windows-1252 （或Windows-1250;两者都可用）。然后打开这个文件作为一个UTF-8文件，你会看到应该有什么。
对于我的其他项目，我做了一个修复数据与损坏的编码功能。
在这种情况下，简单的转换应该足够了：
byte[] data = Encoding.Default.GetBytes(text);
text = Encoding.UTF8.GetString(data);
我最初的功能是多一点点复杂，其中包含测试，以确保数据不被损坏......
public static bool FixMisencodedUTF8(ref string text, Encoding encoding)
{
if (string.IsNullOrEmpty(text))
return false;
byte[] data = encoding.GetBytes(text);
// there should not be any character outside source encoding
string newStr = encoding.GetString(data);
if (!string.Equals(text, newStr)) // if there is any character "outside"
return false; // leave, the input is in a different encoding
if (IsValidUtf8(data) == 0) // test data to be valid UTF-8 byte sequence
return false; // if not, can not convert to UTF-8
text = Encoding.UTF8.GetString(data);
return true;
}
我知道这不是最好的（或正确的解决方案），但我没有找到任何其他方式如何解决输入...
编辑：（2017年7月20日）
这似乎是微软已经发现了这个错误，现在它工作正常。我不确定这个问题是否出现在某些框架中，但是我确实知道，当我编写答案时，现在应用程序使用了不同的框架。 （现在是4.5;上一版本为2.0）
（现在我所有的代码失败在解析数据，还有一个问题，以确定应用程序与修复已经应用。查阅全文，并没有固定正确的行为。）尝试此
System.Windows.Forms.Clipboard.GetText（System.Windows.Forms的TextDataFormat .HTML）;
DataFormats.Htmlspecification声明它使用UTF-8编码。但是.NET 4 Framework中存在一个错误，并且它实际上读取为UTF-8，如Windows-1252。
你得到错误的编码分配，导致有趣/坏字符，如 '''''''''''''''''''''''''' ”， 'A'， 'A'， '¡'， 'A¢'， 'A£'， 'å¤'， 'A¥'， 'Â|'， '§'， 'A' ， 'A©'
这里充分说明 Debugging Chart Mapping Windows-1252 Characters to UTF-8 Bytes to Latin-1 Characters
溶液：创建一个翻译词典，搜索和替换。