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
- 题解 【HEOI2016】tree树
题面 解析 其实这题可以考虑离线做法,用并查集解决. 因为仔细想,添加标记并不方便, 但如果用并查集记录下祖先, 再一一删除,就会方便很多. 先把每次操作记录下来, 同时记录下每个点被标记的次数(因为 ...
- 对称加密算法DES、3DES和AES 原理总结（转载）
1.对称加密算法 1.1 定义 对称加密算法是应用较早的加密算法,技术成熟.在对称加密算法中,数据发信方将明文(原始数据)和加密密钥(mi yue)一起经过特殊加密算法处理后,使其变成复杂的加密密文发 ...
- phpstudy 80端口被占用的解决方法
1.执行httpd.exe D:\phpStudy\PHPTutorial\Apache\bin>httpd.exe 返回 could not bind to address 0.0.0. ...
- keras手写数字识别
import kerasimport timefrom keras.utils import np_utils start = time.time()(x_train, y_train), (x_te ...
- C语言中的位域[转]
有些信息在存储时,并不需要占用一个完整的字节,而只需要一个或几个二进制位即可;比如:在存放一个开关量时,只有0和1两种状态,只需要使用一个二进制位即可存储;为了节省存储空间,C语言提供了一种数据结构, ...
- gcd表（欧几里得定理）
题目:http://acm.nyist.edu.cn/JudgeOnline/problem.php?pid=797 gcd表 时间限制:1000 ms | 内存限制:65535 KB 难度:3 ...
- [心得]暑假DAY1 | 7-7考试总结
呼.. 正式开始暑假集训. 今天一上午还在搞7-7的考试改题 然而,该来该去,TLE48过不去了 不知道哪的问题,loj上1w3ms(卡常都没能救得了) 至于T1和T3,简单总结一下算了 排序 感觉很 ...
- 基于XML的AOP配置(2)-环绕通知
配置方式: <aop:config> <aop:pointcut expression="execution(* com.itheima.service.impl.*.*( ...
- TCP之服务与首部
1. TCP 的服务 TCP 通过下列方式提供可靠性: 应用数据被分割成 TCP 认为最适合发送的数据块.与 UDP 不同,UDP 应用程序产生的数据报长度将保持不变.由 TCP 传递给 IP 的信息 ...
- cp复制命令详解
linux复制指定目录下的全部文件到另一个目录中复制指定目录下的全部文件到另一个目录中文件及目录的复制是经常要用到的.linux下进行复制的命令为cp.假设复制源目录 为 dir1 ,目标目录为dir ...
