时间戳

首页 > 解决方案 > HTTP 301 重定向 url 编码问题

python - HTTP 301 重定向 url 编码问题

问题描述

我正在使用 Python 的 requests.get() 来获取一些 Facebook 个人资料 HTML。其中一些将请求重定向到新的 url。当这个新的 url 包含特殊字符时，例如'á'，request.get() 方法进入重定向循环，直到引发异常。我找到了一种解决方法来更正重定向 url 字符串，该字符串位于“Location”键下的响应标头中，但它远非一个优雅的解决方案。

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/Tomás-Navarro-Febre/100010922979377"
# Special character 'á' on "/Tomás_Navarro_Febre/" is displayed as 'á'.

# 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)

必须有更好的方法来处理这个问题。我尝试了一堆不同的标头，并使用了 requests.Session()，但它们都不起作用。提前感谢您的帮助。

标签： pythonhtmlencodingpython-requestsmojibake

解决方案

标头通常编码为 Latin-1，因此这就是requests用于解码所有标头的方法。但是，在实践中，Location 标头通常使用 UTF-8 来代替。您所看到的是Mojibake，在本例中是解码为 Latin-1 的 UTF-8 数据。

从 requests 2.14.0（2017 年 5 月发布）开始，该库专门将 Location 标头解码为 UTF-8，正是为了避免您遇到的问题。升级您的请求库。

如果您无法升级，您可以将该类子Session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(...)

推荐阅读