Question

当我在任何浏览器中打开http://en.wikipedia.org/wiki/Category:Births_by_year时，我会看到包含许多子类别的类别页面和一个http://en.wikipedia.org/wiki/Park_Sung-Baek

的子页面

但是当我用Java阅读同一页面时，我得到了具有不同内容的类别页面。它不包含上面提到的子页面，而是包含http://en.wikipedia.org/wiki/User:Mijotoba/Ruth_Stella_Correa_Palacio

它怎么样？为什么维基百科会出现不同的页面？

设置User-Agent无济于事。

标题请求“正常”内容

GET http://en.wikipedia.org/wiki/Category:Births_by_year HTTP/1.1
Accept: text/html, application/xhtml+xml, */*
Accept-Language: ru-RU,zh-CN;q=0.5
User-Agent: Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; WOW64; Trident/5.0)
Accept-Encoding: gzip, deflate
Connection: Keep-Alive
Host: en.wikipedia.org

请求“修改”内容的标题

GET http://en.wikipedia.org/wiki/Category:Births_by_year HTTP/1.1
User-Agent: Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; WOW64; Trident/5.0)
Host: en.wikipedia.org
Accept: text/html, image/gif, image/jpeg, *; q=.2, */*; q=.2
Connection: keep-alive

Answer 1

是的，它看起来像维基百科的前端缓存的临时问题。具体来说，当我从浏览器（发送请求标头Accept-Encoding: gzip, deflate）请求the page in question时，我看到的响应包含标题：

Last-Modified: Thu, 13 Sep 2012 16:46:55 GMT

如果我从命令行使用LWP请求同一页面（不发送Accept-Encoding标题），则标题看起来非常不同：

Last-Modified: Sat, 25 Aug 2012 12:52:42 GMT

事实上，后一个响应包含您报告使用Java客户端接收的相同过时内容。

我怀疑发生的事情是，在过去的某个时刻，服务器故障导致过时的副本在页面更改时不会从缓存中清除。在此特定实例中，您可以通过purging the page修复它。更一般地说，如果您将来看到这些陈旧的缓存页面出现，您可能希望将问题报告给Wikipedia server admins，以防需要修复的缓存出现问题。

聚苯乙烯。为什么要用Java获取Wikipedia前端HTML页面呢？通常，您应该使用MediaWiki API代替。

为什么我会看到维基百科的不同页面？

1 个答案: