【Python爬虫】一招搞定发送中文HTTP请求头

 有时需要将HTTP请求头的值设为中文，但如果直接设成中文，会抛出异常，例如，下面的代码为Chinese请求头设置了中文。

 
 
 
 

  
  
  
  
from urllib import request
  
  
  
  
url = 'http://httpbin.org/post'
  
  
  
  
headers = {
  
  
  
  
    'User-Agent':'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_14_3) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/72.0.3626.109 Safari/537.36',
  
  
  
  
    'Host':'httpbin.org',
  
  
  
  
    'Chinese':'李宁',
  
  
  
  
}
  
  
  
  
req = request.Request(url = url,headers=headers,method="POST")
  
  
  
  
request.urlopen(req)
 
 
 
 

执行这段代码，会抛出如下的异常。

 
 
 
 

  
  
  
  
UnicodeEncodeError: 'latin-1' codec can't encode characters in position 0-1: ordinal not in range(256)
 
 
 
 

这个异常表明HTTP请求头只能是英文字符和符号，不能是双字节的文字，如中文。为了解决这个问题，在设置HTTP请求头时需要将中文编码，然后发送到服务端后，在服务端用同样的规则解码。可以采用多种编码方式，例如url编码，base64编码，url编码就是在浏览器地址栏中如果输入中文，会将其转换为%xx的形式。如输入“中国”，会变成E4%B8%AD%E5%9B%BD。

对字符串url编码，需要使用urllib.parse模块的urlencode函数，解码要使用unquote函数，代码如下：

 
 
 
 

  
  
  
  
from urllib.parse import unquote,urlencode
  
  
  
  
# 对中文进行编码
  
  
  
  
value = urlencode({'name':'李宁'})
  
  
  
  
print(value)
  
  
  
  
# 对中文进行解码
  
  
  
  
print(unquote(value))
 
 
 
 

执行这段代码，会输出如下结果：

 
 
 
 

  
  
  
  
name=%E6%9D%8E%E5%AE%81
  
  
  
  
name=李宁
 
 
 
 

使用urlencode函数进行编码时，需要指定字典类型，不能直接对字符串进行编码。因为urlencode函数只能对url参数进行编码。

base64编码需要使用base64模块中的b64encode函数，解码使用b64decode函数，代码如下：

 
 
 
 

  
  
  
  
import base64
  
  
  
  
# 对中文进行编码
  
  
  
  
base64Value = base64.b64encode(bytes('Python从菜鸟到高手',encoding='utf-8'))
  
  
  
  
print(str(base64Value,'utf-8'))
  
  
  
  
# 对中文进行解码，并按utf-8编码格式将解码后的结果转换为字符串
  
  
  
  
print(str(base64.b64decode(base64Value),'utf-8'))
 
 
 
 

b64encode函数编码后返回的是bytes类型，需要使用str函数将其转换为字符串类型。b64decode函数解码时需要指定bytes类型的值，b64decode函数的返回值也是bytes类型，所以也需要str函数将该函数的返回值转换为字符串。

下面的例子演示了设置中文HTTP请求头，并对其解码的完整过程。

 
 
 
 

  
  
  
  
from urllib import request
  
  
  
  
from urllib.parse import unquote,urlencode
  
  
  
  
import base64
  
  
  
  
url = 'http://httpbin.org/post'
  
  
  
  
headers = {
  
  
  
  
    'User-Agent':'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_14_3) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/72.0.3626.109 Safari/537.36',
  
  
  
  
    'Host':'httpbin.org',
  
  
  
  
    'Chinese1':urlencode({'name':'李宁'}),  # 设置中文HTTP请求头，用url编码格式
  
  
  
  
    # 设置中文HTTP请求头，用base64编码格式
  
  
  
  
    'MyChinese':base64.b64encode(bytes('这是中文HTTP请求头',encoding='utf-8')),
  
  
  
  
    'who':'Python Scrapy'
  
  
  
  
}
  
  
  
  
dict = {
  
  
  
  
    'name':'Bill',
  
  
  
  
    'age':30
  
  
  
  
}
  
  
  
  
data = bytes(urlencode(dict),encoding='utf-8')
  
  
  
  
req = request.Request(url = url,data=data,headers=headers,method="POST")
  
  
  
  
# 通过add_header方法添加中文HTTP请求头，url编码格式
  
  
  
  
req.add_header('Chinese2',urlencode({"国籍":"中国"}))
  
  
  
  
response=request.urlopen(req)
  
  
  
  
# 获取服务端的响应信息
  
  
  
  
value = response.read().decode('utf-8')
  
  
  
  
print(value)
  
  
  
  
import json
  
  
  
  
# 将返回值转换为json对象
  
  
  
  
responseObj = json.loads(value)
  
  
  
  
# 解码url编码格式的HTTP请求头
  
  
  
  
print(unquote(responseObj['headers']['Chinese1']))
  
  
  
  
# 解码url编码格式的HTTP请求头
  
  
  
  
print(unquote(responseObj['headers']['Chinese2']))
  
  
  
  
# 解码base64编码格式的HTTP请求头
  
  
  
  
print(str(base64.b64decode(responseObj['headers']['Mychinese']),'utf-8'))
 
 
 
 

运行结果如图1所示。

图1 设置中文HTTP请求头

本文转载自微信公众号「极客起源」，可以通过以下二维码关注。转载本文请联系极客起源公众号。