【Python开发】Url中文字符时记得转码edcode("utf-8")

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
08     '_open', req)
09   File "/usr/lib/python2.6/urllib2.py", line 369, in _call_chain
10     result = func(*args)
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
18     self.endheaders()
19   File "/usr/lib/python2.6/httplib.py", line 908, in endheaders
20     self._send_output()
21   File "/usr/lib/python2.6/httplib.py", line 780, in _send_output
22     self.send(msg)
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

01 >>> 'a' + u'b'
02 >>> '你' + u'好'
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)
06 >>> u'你' + u'好'
07 u'\u4f60\u597d'
08 >>> u'a' + '你' + u'好'
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

01 >>> import urllib2
02 >>> h1 = 'http://baidu.com'
03 >>> urllib2.urlopen(h1)
04 <addinfourl at 153439532 whose fp = <socket._fileobject object at 0xb74e51ac>>
05 >>> h2 = u'http://baidu.com'
06 >>> urllib2.urlopen(h2)
07 <addinfourl at 153440236 whose fp = <socket._fileobject object at 0x925912c>>
08 >>> h3 = 'http://baidu.com?w=测试'
09 >>> urllib2.urlopen(h3)
10 <addinfourl at 153482348 whose fp = <socket._fileobject object at 0x92593ac>>
11 >>> h4 = u'http://baidu.com?w=测试'
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
20     '_open', req)
21   File "/usr/lib/python2.6/urllib2.py", line 369, in _call_chain
22     result = func(*args)
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
30     self.endheaders()
31   File "/usr/lib/python2.6/httplib.py", line 908, in endheaders
32     self._send_output()
33   File "/usr/lib/python2.6/httplib.py", line 780, in _send_output
34     self.send(msg)
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。

posted @ 2016-09-26 22:13  ZhangPYi  阅读(672)  评论(0)    收藏  举报