Python 3.x 请求使用 unicode 字符进行重定向

Question

我尝试在 Python 3.x 中使用 requests.get() 获取以下 URL: http://www.finanzen.net/suchergebnis.asp?strSuchString=DE0005933931 (此 URL 由基本 URL 和搜索字符串 DE0005933931 组成)。

请求被重定向(通过 HTTP 状态代码 301)到 http://www.finanzen.net/etf/ishares_core_dax%AE_ucits_etf_de在浏览器中(URL 中包含 character 0xAE 字符®)。将 requests.get() 与重定向 URL 一起使用也可以。

当尝试使用Python 2.7获取搜索字符串URL时，一切正常，并且我得到了重定向的响应，使用Python 3.x我收到以下错误:

UnicodeDecodeError: 'utf-8' codec can't decode byte 0xae in position 21: invalid start byte

用于测试的代码片段:

import requests

url_1 = 'http://www.finanzen.net/suchergebnis.asp?strSuchString=LU0274208692'
# redirected to http://www.finanzen.net/etf/db_x-trackers_msci_world_index_ucits_etf_1c
url_2 = 'http://www.finanzen.net/suchergebnis.asp?strSuchString=DE0005933931'
# redirected to http://www.finanzen.net/etf/ishares_core_dax%AE_ucits_etf_de

print(requests.get(url_1).status_code)  # working
print(requests.get(url_2).status_code)  # error with Python 3.x

更多信息:

• 我正在 Windows 7 上使用 Python 3.6.3 和 requests.__version__ = '2.18.4' 但我 其他 Python 版本(3.4、3.5)也会出现相同的错误。
• 使用其他搜索字符串，一切都适用于 Python 3.x， 例如 http://www.finanzen.net/suchergebnis.asp?strSuchString=LU0274208692
• 有趣的是，我什至收到了内部服务器错误，并显示 https://www.hurl.it尝试获取上述 URL。也许这不是Python的问题。

知道为什么这在 Python 2.7 中有效但在 Python 3.x 中无效以及我能对此做什么？

Answer 1

服务器使用编码为 Latin-1 的 URL 进行响应，该 URL 未进行 URL 编码；非 ASCII 字节显示为 0x?? 十六进制转义:

Location: /etf/ishares_core_dax0xAE_ucits_etf_de

0xAE字节不是有效的URL字符；服务器在这里违反了标准。他们应该发送的是

Location: /etf/ishares_core_dax%AE_ucits_etf_de

或

Location: /etf/ishares_core_dax%C2%AE_ucits_etf_de

对 URL 的 Latin-1 或 UTF-8 编码使用转义数据。

我们可以通过不更改地返回 Location header 来修补请求，使其在面对此错误时更加稳健:

from requests.sessions import SessionRedirectMixin

def get_redirect_target(
        self, resp, _orig=SessionRedirectMixin.get_redirect_target):
    try:
        return _orig(self, resp)
    except UnicodeDecodeError:
        return resp.headers['location']

SessionRedirectMixin.get_redirect_target = get_redirect_target

应用此补丁后，重定向将按预期工作。

我created a pull request改进位置处理。