HTTP 301 重定向 URL 编码问题

Question

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 url 具有特殊字符(如"á"(时，request.get(( 方法将进入重定向循环，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"位置"键下的响应标头中，但这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解决这个问题。我尝试了一堆不同的标头，并使用请求。会话((，但它们都不起作用。提前感谢任何帮助。

Answer 1

标头通常编码为 Latin-1，因此requests使用此方法解码所有标头。但是，在实践中，位置标头通常使用 UTF-8 代替。然后你看到的是一个Mojibake，在这种情况下是解码为Latin-1的UTF-8数据。

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

如果无法升级，则可以对Session类进行子类化以在本地"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(...)