百度和Google的URL編碼方式探索

今天才注意到，百度和Google的URL編碼方式不一樣。

比如我們搜“技術”這個詞，然後觀察IE地址欄。

用Baidu得到的結果是
http://www.baidu.com/s?wd=%BC%BC%CA%F5&cl=3

用Google得到的結果是
http://www.google.com/search?hl=zh-CN&q=%E6%8A%80%E6%9C%AF&lr=

即,baidu_urlencode("技術")=%BC%BC%CA%F5  ， google_urlencode("技術")=%E6%8A%80%E6%9C%AF
，很明顯不一樣，那麼兩者分別用的是什麼編碼演算法呢？

趕快拿出可愛的Python來幫我們解決問題吧。
>>> import urllib
>>> url=urllib.unquote('http://www.baidu.com/s?wd=%BC%BC%CA%F5&cl=3')
>>> url
'http://www.baidu.com/s?wd=/xbc/xbc/xca/xf5&cl=3'
>>> print url.decode('gb2312')
http://www.baidu.com/s?wd=技術&cl=3
>>>

很明顯，baidu的url編碼方式是gb2312。那麼google呢？能否如法泡製？

>>> url2=urllib.unquote('http://www.google.com/search?hl=zh-CN&q=%E6%8A%80%E6%9C%AF&lr=')
>>> url2
'http://www.google.com/search?hl=zh-CN&q=/xe6/x8a/x80/xe6/x9c/xaf&lr='
>>> print url2.decode('gb2312')
Traceback (most recent call last):
  File "<input>", line 1, in ?
UnicodeDecodeError: 'gb2312' codec can't decode bytes in position 40-41: illegal multibyte sequence

很遺憾,報錯了，這是因為選擇了gb2312解碼是不對的。那就試試別的吧，可能是'utf-8'吧，go on

>>> print url2.decode('utf-8')
http://www.google.com/search?hl=zh-CN&q=技術&lr=
yeah，成功了。這說明google對url的編碼是utf-8

 

Python is so cool!