在url中使用中文其实是一个坏习惯，会带来一系列的转码问题， 我更喜欢英文译名或者id来标识某个uri。但是现实往往是残酷的， 特别是在我们调用别人服务时候，有时候被逼无奈使用中文URL。
Python中unicode转码一向是让人头疼的问题。数次碰壁之后，我也摸出了一些门道， 研读完Python字符串的encode与decode 之后，就自认为找到了万金油，谁知道这次又碰上这个老冤家。
01 |
Traceback (most recent call last): |
02 |
File "<stdin>", line 1, in <module> |
03 |
File "/usr/lib/python2.6/urllib2.py", line 126, in urlopen |
04 |
return _opener.open(url, data, timeout) |
05 |
File "/usr/lib/python2.6/urllib2.py", line 391, in open |
06 |
response = self._open(req, data) |
07 |
File "/usr/lib/python2.6/urllib2.py", line 409, in _open |
09 |
File "/usr/lib/python2.6/urllib2.py", line 369, in _call_chain |
11 |
File "/usr/lib/python2.6/urllib2.py", line 1170, in http_open |
12 |
return self.do_open(httplib.HTTPConnection, req) |
13 |
File "/usr/lib/python2.6/urllib2.py", line 1142, in do_open |
14 |
h.request(req.get_method(), req.get_selector(), req.data, headers) |
15 |
File "/usr/lib/python2.6/httplib.py", line 914, in request |
16 |
self._send_request(method, url, body, headers) |
17 |
File "/usr/lib/python2.6/httplib.py", line 951, in _send_request |
19 |
File "/usr/lib/python2.6/httplib.py", line 908, in endheaders |
21 |
File "/usr/lib/python2.6/httplib.py", line 780, in _send_output |
23 |
File "/usr/lib/python2.6/httplib.py", line 759, in send |
24 |
self.sock.sendall(str) |
25 |
File "<string>", line 1, in sendall |
26 |
UnicodeEncodeError: 'ascii' codec can't encode characters in position 7-8: ordinal not in range(128) |
这次错误引发是在 urlopen() 引起的，很有特色，开始使用 url.encode('utf-8') 就可以解决了。 今天我做了一些测试。
1. ascii + unicode 测试
03 |
Traceback (most recent call last): |
04 |
File "<stdin>", line 1, in <module> |
05 |
UnicodeDecodeError: 'ascii' codec can't decode byte 0xe4 in position 0: ordinal not in range(128) |
09 |
Traceback (most recent call last): |
10 |
File "<stdin>", line 1, in <module> |
11 |
UnicodeDecodeError: 'ascii' codec can't decode byte 0xe4 in position 0: ordinal not in range(128) |
上面的测试说明ascii码和unicode码相连操作，结论是有中文记得带上u，就不会有问题。 Python默认解码器是ascii，无法解码unicode中的中文。
2. urllib2的测试
03 |
>>> urllib2.urlopen(h1) |
04 |
<addinfourl at 153439532 whose fp = <socket._fileobject object at 0xb74e51ac>> |
06 |
>>> urllib2.urlopen(h2) |
07 |
<addinfourl at 153440236 whose fp = <socket._fileobject object at 0x925912c>> |
09 |
>>> urllib2.urlopen(h3) |
10 |
<addinfourl at 153482348 whose fp = <socket._fileobject object at 0x92593ac>> |
12 |
>>> urllib2.urlopen(h4) |
13 |
Traceback (most recent call last): |
14 |
File "<stdin>", line 1, in <module> |
15 |
File "/usr/lib/python2.6/urllib2.py", line 126, in urlopen |
16 |
return _opener.open(url, data, timeout) |
17 |
File "/usr/lib/python2.6/urllib2.py", line 391, in open |
18 |
response = self._open(req, data) |
19 |
File "/usr/lib/python2.6/urllib2.py", line 409, in _open |
21 |
File "/usr/lib/python2.6/urllib2.py", line 369, in _call_chain |
23 |
File "/usr/lib/python2.6/urllib2.py", line 1170, in http_open |
24 |
return self.do_open(httplib.HTTPConnection, req) |
25 |
File "/usr/lib/python2.6/urllib2.py", line 1142, in do_open |
26 |
h.request(req.get_method(), req.get_selector(), req.data, headers) |
27 |
File "/usr/lib/python2.6/httplib.py", line 914, in request |
28 |
self._send_request(method, url, body, headers) |
29 |
File "/usr/lib/python2.6/httplib.py", line 951, in _send_request |
31 |
File "/usr/lib/python2.6/httplib.py", line 908, in endheaders |
33 |
File "/usr/lib/python2.6/httplib.py", line 780, in _send_output |
35 |
File "/usr/lib/python2.6/httplib.py", line 759, in send |
36 |
self.sock.sendall(str) |
37 |
File "<string>", line 1, in sendall |
38 |
UnicodeEncodeError: 'ascii' codec can't encode characters in position 7-8: ordinal not in range(128) |
这个测试说明， urllib2.urlopen() 可以接受ascii/unicode的英文，也可以接受ascii的中文， 但是一旦是unicode的中文url，就会报转码错误。
so，请尽量英文url，非要用中文，请记得转码。
- Tomcat 中get请求中含有中文字符时乱码的处理
Tomcat 中get请求中含有中文字符时乱码的处理
- url中传递中文参数时的转码与解码
URL传递中文参数时的几种处理方式,总结如下: 1.将字符串转码:newString(“xxxxx”.getBytes("iso-8859-1"),"utf-8" ...
- Java中读取txt文件中中文字符时，出现乱码的解决办法
这是我写的一个Java课程作业时,遇到的问题. 问题描述: 我要实现的就是将txt文件中的内容按一定格式读取出来后,存放在相应的数组. 我刚开始运行时发现,英文可以实现,但是中文字符就是各种乱码. 最 ...
- python匹配某个中文字符
python2.7对中文的支持不好是众所周知的,现在遇到这样一个需求,要匹配某个中文字符.查了一个资料,思路就是转化为unicode进行比较,记录如下: line = '参考答案: A' # gbk ...
- 【python】-- 字符串、字符编码与转码
字符串 字符串是 Python 中最常用的数据类型.我们可以使用引号('或")来创建字符串. 创建字符串很简单,只要为变量分配一个值即可:访问子字符串,可以使用方括号来截取字符串: var1 ...
- Python开发技术详解（视频+源码+文档）
Python, 是一种面向对象.直译式计算机程序设计语言.Python语法简捷而清晰,具有丰富和强大的类库.它常被昵称为胶水语言,它能够很轻松的把用其他语言制作的各种模块(尤其是C/C++)轻松地联结 ...
- ctrl c 中文字符到 vnc 里，中文字符已经被转码
为了测试程序对多语言字符的支持情况,我找来一段中文和北欧的文字,希望把这些文字上传到elasticsearch,并能正确显示. 首先测试了北欧文字,一切OK. 但是中文复制到 VNC 客户端(Linu ...
- 小白的Python之路 day2 字符编码和转码
字符编码和转码 详细文章: http://www.cnblogs.com/yuanchenqi/articles/5956943.html http://www.diveintopython3.net ...
- python开发基础之字符编码、文件处理和函数基础
字符编码 为什么要有字符编码? 字符编码是为了让计算机能识别我们人写的字符,因为计算机只认识高低电平,也就是二进制数"0","1". 一个文件用什么编码方式存储 ...
随机推荐
- CentOS 安装oracle client
下载Oracle Client 1.通过下载地址下载 下载地址:https://www.oracle.com/database/technologies/instant-client/linux-x8 ...
- HTML5测试题整理Ⅱ
1.哪个元素被称为媒体元素的子元素? 答案:<track>. <track> 标签为媒体元素(比如 <audio> and <video>)规定外部文本 ...
- 1012 最大公约数和最小公倍数问题 2001年NOIP全国联赛普及组
1012 最大公约数和最小公倍数问题 2001年NOIP全国联赛普及组 时间限制: 1 s 空间限制: 128000 KB 题目等级 : 白银 Silver 题目描述 Description 输入二个 ...
- 基于libcurl的restfull接口 post posts get gets
头文件 #pragma once #ifndef __HTTP_CURL_H__ #define __HTTP_CURL_H__ #include <string> #include &q ...
- postgres的数据库备份和恢复
备份和恢复 一条命令就可以解决很简单: 这是备份的命令: pg_dump -h 127/0.0.1 -U postgres databasename > databasename.bak 指令解 ...
- TCP层sendmsg系统调用的实现分析
概述 sendmsg系统调用在tcp层的实现是tcp_sendmsg函数,该函数完成以下任务:从用户空间读取数据,拷贝到内核skb,将skb加入到发送队列的任务,调用发送函数:函数在执行过程中会锁定控 ...
- 【软件工程】团队Git现场编程实战
组长博客链接 博客链接 组员职责分工 队员 职责分工 恩泽 进行任务的划分与安排,调用API,负责餐饮商铺及商圈信息的获取 金海 解析API返回的json数据,提取有关信息 君曦 部分算法编写 季城 ...
- Workflow-Microsoft：Windows Workflow Foundation
ylbtech-Workflow-Microsoft:Windows Workflow Foundation 1. Windows Workflow Foundation返回顶部 1.1. Windo ...
- jsp页面中使用javabean
<%@ page language="java" import="java.util.*,com.loaderman.demo.b_cases.*" pa ...
- js 无限级分类
const arr = [ { id: 1, parentId: 0, name: '四川' }, { id: 2, parentId: 0, name: '贵州' }, { id: 3, paren ...
