URL编码的一个坑

Url 的编码只能采用 ASCII 字符,不可使用 ASCII 以外的其他字符,如中文,不然的话,可能会应为客户端或者服务器端支持的编码不相同而造成问题。

URL 对中文编码的方式是:得到中文的 UTF-8 编码的字符集,如 0xE4 0xB8 0xAD 0xE6 0x96 0x87,然后把 0x% 替换就好了。

对于某一些网站,他们对中文的URL编码是是跟随网页的编码的,比如他们网页的编码是 GBK 或者 GB2312,并不是常规的使用 UTF-8 编码,比如这个网站 https://www.52z.com/ 的搜索,这个时候我们只需要用 chardet库 先判断一下响应体的编码,然后对需要请求的参数编码的时候使用对应编码即可

import requests
import chardet

class RqCompoent():
    @staticmethod
    def get(url, *args, **kwargs):
        headers = {
            "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/83.0.4103.116 Safari/537.36"}
        # 扩展请求头
        headers = {**headers, **kwargs}
        response = requests.get(url, headers=headers)

        if response.status_code == 200:
            response = response.content 
            charset = chardet.detect(response).get('encoding')
            response = response.decode(charset, "ignore")
            return response, charset # 返回一下编码
        else:
            print("请求失败")
            return None

对URL进行编码的话,可以使用urllib.parse.quote 可以对字符串进行 URL 编码,本质上是调用了底层的 str.decode(),所以你直接用 '参数'.decode('编码') 也是可以的

稍微记录一下,如果没了解过URL编码这块的知识,可能遇到这样的网站不知道怎么办。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值