httpclient抓取含有汉字的url时转码问题

博主在使用httpclient抓取含有中文的url时,刚开始使用URLEncoder.encode()去转码,仍然出UnknownHostException异常,通过网上查找,像修改本地host文件之类的方法都不适合大量抓取网页文件的场合使用。最后大牛同事使用java.net.IDN把url用toASCII转码,成功访问地址。

httpClient = HttpClients.createDefault();
String regEx = "[\\u4e00-\\u9fa5]";
Pattern p=Pattern.compile(regEx);
Matcher m=p.matcher(url);
HttpGet httpGet = null;
if(m.find()){
httpGet = new HttpGet(IDN.toASCII(url));
}else {
httpGet = new HttpGet(url);
}
httpGet.addHeader("Content-Type", "application/x-www-form-urlencoded; charset=UTF-8");
httpGet.setConfig(requestConfig);
try {
httpReponse = httpClient.execute(httpGet);
} catch (ClientProtocolException e) {
flag++;
e.printStackTrace();
} catch (IOException e) {
flag++;
e.printStackTrace();
}

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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