HTTPClient - 在重定向URL中使用＃anchor破坏的HTTP GET

Question

这有点奇怪。我正在使用HTTPClient 4.1.2，似乎每当它找到带有类似“＃”的URL时，它就会在URL中完全获得＃。

例如，尝试获取网址http://stks.co/eWt会重定向到网址http://news.ichinastock.com/2011/10/jack-ma-alibaba-has-prepared-20-billion-to-acquire-yahoo/#.Tpw-xG61XjU.twitter。现在这个URL是实时的，但问题是HTTPClient发送一个get请求，其URI设置为URI: /2011/10/jack-ma-alibaba-has-prepared-20-billion-to-acquire-yahoo/#.Tpw-xG61XjU.twitter，这会导致服务器发回404找不到的页面。

查看IE，Firefox和cURL发送的GET，它们都从URI的末尾删除了＃...所以例如cURL GET请求URI被设置为URI：/2011/10/jack-ma-alibaba-has-prepared-20-billion-to-acquire-yahoo/ - 所有＃...都被删除了。这与http://stks.co/eWt的完全相同的条目网址。

作为测试，将此原始URL发送到HTTPClient（即HttpGet httpget = new HttpGet("http://news.ichinastock.com/2011/10/jack-ma-alibaba-has-prepared-20-billion-to-acquire-yahoo/#.Tpw-xG61XjU.twitter");）会得到相同的404未找到的结果。

所以问题是HTTPClient中是否有任何可以设置的设置，以便可以从URL中自动删除尾随＃...等内容。或者我将如何从URL手动删除它（请记住，我还需要捕获所有重定向URL）？

Answer 1

听起来他们的网络服务器坏了。 URI规范说数字符号（＃）终止URI的路径部分。如果Web服务器在路径的＃部分之后考虑任何内容，则它不遵循URI规范。

  

路径组件包含通常以分层形式组织的数据，该数据与非分层查询组件中的数据一起用于标识URI方案和命名权限（如果有）范围内的资源。路径由第一个问号（“？”）或数字符号（“＃”）字符终止，或由URI的末尾终止。“ - RFC3986

我测试了一些流行的Web服务器，它们都正确地解析了这些URI，忽略了数字符号后面的部分。

我对解决方法没有任何好的建议。但至少现在你知道应该责怪谁。

Answer 2

注意：哈希（和哈希）之后的所有字符串都不会发送到服务器。 URL中的哈希值适用于浏览器使用而不是服务器。