Question

我正在使用Python的request.get（）获取一些Facebook个人资料HTML。其中一些将请求重定向到新的URL。当此新url具有特殊字符（例如'á'）时，request.get（）方法将进入重定向循环，直到引发异常为止。我在“位置”键下的响应标头中找到了一种改正重定向URL字符串的解决方法，但这远不是一个很好的解决方案。

import requests

# This case works. Response [200]
r = requests.get('https://www.facebook.com/profile.php?id=4')
print(r)

# This fails. Redirect location has special characters.
# raises requests.exceptions.TooManyRedirects: Exceeded 30 redirects.
not_working_url = 'https://www.facebook.com/profile.php?id=100010922979377'
try:
    r = requests.get(not_working_url)
except Exception as e:
    print(e)  # Exceeded 30 redirects.

# Workaround
r = requests.get(not_working_url,
                 allow_redirects=False)
redirect_url = r.headers["Location"]
print(redirect_url)
# "https://www.facebook.com/people/TomÃ¡s-Navarro-Febre/100010922979377"
# Special character 'á' on "/Tomás_Navarro_Febre/" is displayed as 'Ã¡'.

# This fixes the string.
redirect_url = redirect_url.encode('raw_unicode_escape').decode('utf-8')
print(redirect_url)
# "https://www.facebook.com/people/Tomás-Navarro-Febre/100010922979377"

# Now it works. Response [200]
r = requests.get(redirect_url)
print(r)

必须有一种更好的方法来处理此问题。我尝试了一堆不同的标头，并使用了request.Session（），但没有一个起作用。预先感谢您的帮助。

Answer 1

标头通常编码为Latin-1，因此requests用来解码所有标头。但是，实际上，Location标头通常使用UTF-8。然后您会看到一个Mojibake，在这种情况下，UTF-8数据被解码为Latin-1。

从请求2.14.0（2017年5月发布）开始，库specifically decodes the Location header as UTF-8完全是为了避免遇到问题。升级您的请求库。

如果无法升级，则可以将Session类子类化以在本地“修补”问题：

class UTF8RedirectingSession(requests.Session):
    def get_redirect_target(self, resp):
        if resp.is_redirect:
            return resp.headers['location'].encode('latin1').decode('utf8')
        return None

然后使用

with UTF8RedirectingSession() as session:
    response = session.get(...)

HTTP 301重定向URL编码问题

1 个答案: