在UNICODE中爲apache httpclient 4 URI編碼

我正在使用apache http client 4進行所有網頁訪問。這意味着我需要做的每個查詢都必須通過URI語法檢查。一個我試圖訪問的網站採用UNICODE爲URL GET PARAMS編碼，即：在UNICODE中爲apache httpclient 4 URI編碼

http://maya.tase.co.il/bursa/index.asp?http://maya.tase.co.il/bursa/index.asp?view=search&company_group=147&srh_txt=%u05E0%u05D9%u05D1&arg_comp=&srh_from=2009-06-01&srh_until=2010-02-16&srh_anaf=-1&srh_event=9999&is_urgent=0&srh_company_press=

（帕拉姆「srh_txt =％u05E0％u05D9％u05D1」編碼srh_txt =ניב在UNICODE ）

問題是URI不支持UNICODE編碼（它只支持UTF-8）這裏真的很大的問題是，這個網站期望它的參數是以UNICODE編碼的，所以任何嘗試轉換URL使用String.format（「http://...srh_txt=%s& ...」，URLEncoder.encode（「ניב」，「UTF8」））產生一個url，這是合法的，可以是你sed構造一個URI，但是由於它不是它所期望的編碼，所以該站點對它的響應是一個錯誤消息。

通過這種方式可以創建URL對象，甚至可以使用未轉換的URL來連接到網站。有什麼辦法在非UTF-8編碼中創建URI？是否有任何方式與常規URL（而不是URI）與Apache HTTPClient 4？

感謝，和合

來源

2010-02-17 Niv

（帕拉姆「srh_txt =％u05E0％u05D9％u05D1」編碼srh_txt =ניב在UNICODE）

它並不真正的。這不是URL編碼，並且在URL中的序列%u是無效。

%u05E0%u05D9%u05D1"僅在JavaScript的奇怪球形escape語法中編碼ניב。 escape與除+之外的所有ASCII字符的URL編碼相同，但它爲Unicode字符生成的%u####轉義符完全是它自己的發明。

（單應，在一般情況下，從不使用escape。使用encodeURIComponent代替產生正確的URL編碼UTF-8，ניב = %D7%A0%D7%99%D7%91。）

如果網站需要在其查詢字符串%u####序列，它非常糟糕。

有什麼辦法在非UTF-8編碼中創建URI？

是的，URIs可以使用任何你喜歡的字符編碼。它通常是UTF-8;這是IRI要求的，如果用戶在地址欄中輸入非ASCII字符，那麼通常會提交，但URI本身只關心字節。所以你可以將ניב轉換爲%F0%E9%E1。 Web應用程序沒有辦法知道這些字節代表用代碼頁1255編碼的字符（希伯來語，類似於ISO-8859-8）。但它似乎工作，在上面的鏈接，UTF-8版本沒有。噢親愛的！

來源

2010-02-17 13:32:43 bobince

非常感謝您的回答我在我的代碼中運行了一個url列表，並且有時會得到URISyntaxExceptions並試圖找到解決其中一些問題的方法（最後一篇文章中的例外只是其中的一個url該列表）我認爲這個問題將被視爲代碼中的「無法解決問題」（但不會花費大量時間）我將繼續進行下一步。再次感謝 Niv – Niv 2010-02-17 15:25:14

在UNICODE中爲apache httpclient 4 URI編碼

回答

相關問題