一個與URL有關的問題

Question

親愛的所有人，現在我在我的java程序中有這個問題，我認爲它應該歸類爲URL問題，但不是100％確定。如果您認爲我錯了，請隨意重新分類此問題，謝謝。

我會盡可能簡單地陳述我的問題。 我在着名的中文搜索引擎baidu.com上搜索了一箇中文關鍵詞「奧巴馬」（奧巴馬英文），我這樣做的方式是將URL（在Java程序中）傳遞給瀏覽器，如：

http://news.baidu.com/ns?word=奧巴馬

和它完美的作品就像我輸入「奧巴馬」關鍵詞在baidu.com文本字段。

不過，現在我的導師希望另一thing.Since他不能讀中文網頁，但他想確保我從百度網站獲得的網頁與「奧巴馬」有關，他要求我將谷歌翻譯回來，即使用谷歌翻譯和翻譯中文網頁爲英文網頁

這聽起來很直接。但是，我在這裏遇到了我的問題。

如果我只是將URL「http://news.baidu.com/ns?word=奧巴馬」傳遞給Google Translate，並勾選「中文到英文」翻譯選項，結果看起來很糟糕（我不知道這裏的線索，可能與中文字符編碼有關）。或者，如果現在我的瀏覽器打開「」http://news.baidu.com/ns?word=奧巴馬「網頁，但我點擊」百度一下「按鈕（簡單的說就是」搜索「），你會注意到URL會被改變，現在如果我通過這個網址到谷歌翻譯和做同樣的事情，結果效果更好。

我希望我不會讓這個問題聽起來太複雜了，我爲一些中文單詞invovled，但我真的需要你們的幫助在這裏，我做了所有這些在Java程序中，我無法弄清楚如何實現「百度一下」（按搜索按鈕）步驟，然後獲取新的URL。如果我可以得到這個新的URL，事情很簡單，我可以在Java代碼中調用Google translate，並彈出新窗口顯示我的顧問。

請在這裏分享你的想法或想法。謝謝很多。

羅伯特

Answer 1

你可以使用

URLEncoder.encode("http://news.baidu.com/ns?word=奧巴馬", "utf-8") 

再通由此產生的網址爲Google Translate，例如：

個

http://translate.google.com/translate?js=y&prev=_t&hl=en&ie=UTF-8&layout=1&eotf=1&sl=zh-CN&tl=en&u=YOUR_URL 

乾杯

Answer 2

嘗試調用

URLEncoder.encode("http://news.baidu.com/ns?word=奧巴馬", "utf-8") 

（或utf-16，我不是很熟悉的中國漢字表示）

Answer 3

當按下搜索按鈕時，瀏覽器編碼搜索項%E5%A5%A5%E5%B7%B4%E9%A9%AC，這是UTF-8編碼奧巴馬。它這樣做是因爲UTF-8是HTML表單的默認編碼。

Java在內部使用UTF-16編碼，所以如果沒有指定任何內容，URL庫可能會用該編碼構建請求。

但是，我無法用Google翻譯重現您的問題 - 粘貼該URL似乎無論如何都能正常工作。

Answer 4

URL只能包含ASCII字符。所有其他字符必須轉換爲字節，然後用ASCII編碼％。然而，用什麼字符集將字符轉換爲字節沒有任何要求。建議使用UTF-8，但不是必需的。只要服務器在字符集表示它的偏好，客戶端應該尊重它並使用相同的字符集進行編碼。

您可以從頁面信息中看到百度使用gb2312編碼。其頁面上的奧巴馬字符將被轉換爲gb2312：B0C2 B0CD C2ED中的字節，然後％編碼爲%B0%C2%B0%CD%C2%ED。這是實際發送到百度服務器，http://www.baidu.com/s?wd=%B0%C2%B0%CD%C2%ED

您的操作系統恰好配置爲默認使用gb2312，因此，當您將奧巴馬粘貼到瀏覽器，瀏覽器做同樣的事情，百度得到正確的字符。當我在瀏覽器中粘貼該網址時，它會出現問題，因爲我的操作系統使用UTF-8，而瀏覽器使用UTF-8編碼這些中文字符，而不是百度期望的東西。 （當直接在瀏覽器中輸入URL時，瀏覽器可能沒有與服務器通信，也不知道服務器喜歡的字符集，因此瀏覽器使用平臺默認字符集）。

現在，Google使用UTF-8。這就是爲什麼如果你將URL粘貼到谷歌表單，它會像我的操作系統一樣搞砸了。這些字符以UTF-8編碼，百度會嘗試將其解析爲gb2312，並得到完全錯誤的單詞。

解決方案很簡單。只需按照服務器預期的方式對參數進行編碼：

"http://news.baidu.com/ns?word=" + URLEncoder.encode("奧巴馬", "gb2312")