谷歌 http://maps.google.com/maps/geo 使用非英文字符进行查询

Question

我正在创建一个Python（使用urllib2）解析器，其中包含非英语字符的地址。目标是找到每个地址的坐标。

当我在火狐中打开这个网址时：

http://maps.google.com/maps/geo?q=Czech%20Republic%2010000%20Male%C5%A1ice&output=csv

它被转换（地址框中的更改）到

http://maps.google.com/maps/geo?q=Czech Republic 10000 Malešice&output=csv

和退货

200,6,50.0865113,14.4918052

这是一个正确的结果。

但是，如果我在urllib2 （或 Opera 浏览器）中打开相同的 url（编码，使用 %20 等），结果是

200,4,49.7715220,13.2955410

这是不正确的。如何打开urllib2中的第一个网址以获得"200,6,50.0865113,14.4918052"结果？

编辑：

使用的代码

import urllib2
psc = '10000'
name = 'Malešice'
url = 'http://maps.google.com/maps/geo?q=%s&output=csv' % urllib2.quote('Czech Republic %s %s' % (psc, name))
response = urllib2.urlopen(url)
data = response.read()
print 'Parsed url %s, result %sn' % (url, data)

输出

Parsed url http://maps.google.com/maps/geo?q=Czech%20Republic%2010000%20Male%C5%A1ice&output=csv, result 200,4,49.7715220,13.2955410

Answer 1

我可以重现这种行为，起初我对为什么会发生这种情况感到目瞪口呆。仔细检查 wireshark 的 HTTP 请求后发现，Firefox 发送的请求（毫不奇怪）包含更多 HTTP-Headers。

最后，事实证明，Accept-Language标题产生了差异。只有在以下情况下才能获得正确的结果

• 设置了Accept-Language标头
• 并且它首先列出了非英语语言（优先级似乎并不重要）

因此，例如，此Accept-Language标头有效：

headers = {'Accept-Language': 'de-ch,en'}

总而言之，像这样修改您的代码对我有用：

# -*- coding: utf-8 -*-
import urllib2
psc = '10000'
name = 'Malešice'
url = 'http://maps.google.com/maps/geo?q=%s&output=csv' % urllib2.quote('Czech Republic %s %s' % (psc, name))
headers = {'Accept-Language': 'de-ch,en'}
req = urllib2.Request(url, None, headers)
response = urllib2.urlopen(req)
data = response.read()
print 'Parsed url %s, result %sn' % (url, data)

注意：在我看来，这是谷歌地理编码API中的一个错误。Accept-Language标头指示用户代理首选内容的语言，但它不应对请求的解释方式产生任何影响。