当contenttype为“application/xml”时，如何使用httplib发布非科学字符

Question

我在Python2.7中实现了一个关键的跟踪程序API模块。Pivotal Tracker API要求POST数据是XML文档，“application/XML”是内容类型。在

我的代码使用urlib/httplib发布文档，如下所示：

    request = urllib2.Request(self.url, xml_request.toxml('utf-8') if xml_request else None, self.headers)
    obj = parse_xml(self.opener.open(request))

当XML文本包含非ASCII字符时，将产生异常：

^{pr2}$

正如我所看到的，httplib.\u send_output正在为消息有效载荷创建一个ASCII字符串，大概是因为它希望数据是URL编码的（application/x-www-form-urlencoded）。只要只使用ASCII字符，它就可以很好地处理application/xml。在

有没有一种简单的方法来发布包含非ASCII字符的application/xml数据，或者我必须跳转（例如，使用Twistd和自定义的post有效负载生成器）？在

Answer 1

与JF Sebastian answer相同，但我添加了一个新的，这样代码格式就可以工作了（而且更适合google）

如果您试图标记到mechanize表单请求的末尾，会发生以下情况：

br = mechanize.Browser()
br.select_form(nr=0)
br['form_thingy'] = u"Wonderful"
headers = dict((k.encode('ascii') if isinstance(k, unicode) else k, v.encode('ascii') if isinstance(v, unicode) else v) for k,v in br.request.headers.items())
br.addheaders = headers
req = br.submit()

Answer 2

检查self.url是否为unicode。如果是unicode，则httplib将把数据视为unicode。在

你可以强制编码自我.url对于unicode，则httplib将所有数据视为unicode

Answer 3

你混合了Unicode和bytestrings。在

>>> msg = u'abc' # Unicode string
>>> message_body = b'\xc5' # bytestring
>>> msg += message_body
Traceback (most recent call last):
  File "<input>", line 1, in <module>
UnicodeDecodeError: 'ascii' codec can't decode byte 0xc5 in position 0: ordinal \
not in range(128)

要修复它，请确保self.headers内容已正确编码，即headers中的所有键、值都应该是bytestrings：

^{pr2}$

注意：头的字符编码与正文的字符编码无关，也就是说，xml文本可以独立编码（从http消息的角度来看，它只是一个八位字节流）。在

对于self.url-如果它具有unicode类型，则将其转换为bytestring（使用'ascii'字符编码）。在

---

HTTP message consists of a start-line, "headers", an empty line and possibly a message-body所以self.headers用于头，self.url用于起始行（http方法在这里），并且可能用于Hosthttp报头（如果客户端是http/1.1），XML文本将转到消息体（作为二进制blob）。在

对self.url使用ASCII编码总是安全的（IDNA可以用于非ASCII域名，结果也是ASCII）。在

以下是rfc 7230 says about http headers character encoding：

Historically, HTTP has allowed field content with text in the ISO-8859-1 charset [ISO-8859-1], supporting other charsets only through use of [RFC2047] encoding. In practice, most HTTP header field values use only a subset of the US-ASCII charset [USASCII]. Newly defined header fields SHOULD limit their field values to US-ASCII octets. A recipient SHOULD treat other octets in field content (obs-text) as opaque data.

要将XML转换为bytestring，请参见^{} encoding condsiderations：

The use of UTF-8, without a BOM, is RECOMMENDED for all XML MIME entities.