关于HttpClient模拟浏览器请求的參数乱码问题解决方式

转载请注明出处：http://blog.csdn.net/xiaojimanman/article/details/44407297

http://www.llwjy.com/blogdetail/9383e88e4bc7378b8318e15b0ac33559.html

个人博客站已经上线了，网址：www.llwjy.com，欢迎大家吐槽~

--------------------------------------------------------------------------------------------------------------------------

在之前的博客中介绍了一些关于怎样利用HttpClient去模拟浏览器请求，从而获取网页源码，得到自己想要的内容。近期自己在做一些项目測试的时候，发下例如以下问题：

问题描写叙述

1.使用HttpClient模拟post/get请求时，当參数中有中文，在server端解析出的參数值中的中文都是“?”。英文数字等能够正常解析。

2.当模拟的url參数中有中文时，解析出的參数值中的中文也是“?”，例：http://hostname/test.do?name=您好

问题原因

在查阅众多相关资料。最终找到当中的原因，眼下市面上多数的浏览器中url中的中文採用的都是utf-8的编码方式。而HttpClient默认的编码方式是gbk，因此在模拟浏览器请求的过程中，就会由于编码方式不正确造成乱码的问题。

解决方式

对于该问题，从下面两个方面去解决：

第一步：指定HttpClient请求的编码方式，指定编码方式能够有下面几种方法：

method.getParams().setContentCharset("utf-8");
method.getParams().setParameter(HttpMethodParams.HTTP_CONTENT_CHARSET,"utf-8");
method.addRequestHeader("Content-Type", "text/html; charset=UTF-8");
httpClient.getParams().setContentCharset("utf-8");

经过第一步的处理，对POST中的參数中有中文的问题已经能够攻克了。可是url中的中文还是没有办法解决，这就须要第二步了。

第二步：对URL中的中文进行转码处理，能够通过以下的方法对URL做一次预处理，这样再去模拟浏览器的行为时，就不会出现乱码了。

public static String encodeUrlCh (String url) throws UnsupportedEncodingException {
	String ChRegex = "([\u4e00-\u9fa5]+)";
	while (true) {
		String s = getFirstString(url, ChRegex, 1);
		if ("".equals(s)){
			return url;
		}
		url = url.replaceAll(s, URLEncoder.encode(s, "utf-8"));
	}
}

通过上面两步，全然能够完美的解决模拟浏览器行为中出现的乱码问题。