Python 如何处理urllib2.urlopen的url中的®？

我收到一个url:®-75桌面虚拟化解决方案；这是从美苏来的

url=u'https://www.packtpub.com/virtualization-and-cloud/citrix-xenapp\xae-75-desktop-virtualization-solutions'

我想再次反馈到urllib2.urlopen

import urllib2
source = urllib2.urlopen(url).read()

我得到的错误是：

UnicodeEncodeError: 'gbk' codec can't encode character u'\xae' in position 43: illegal multibyte sequence

因此，我尝试：

source = urllib2.urlopen(url.encode("utf-8")).read()

它获得了页面源代码，但是它与原始url不同

originalUrl = 'https://www.packtpub.com/virtualization-and-cloud/citrix-xenapp®-75-desktop-virtualization-solutions'
originalSource = urllib2.urlopen(originalUrl).read()
originalSource == source

---

结果是错误的。有没有办法修复这个url？如何将u'\xae'转换为原始®？

URL必须通过TestRing有效，且非ASCII码点编码正确。您需要编码为UTF-8，然后url引用url的路径：

import urllib
import urllib2
import urlparse

originalUrl = u'https://www.packtpub.com/virtualization-and-cloud/citrix-xenapp\xae-75-desktop-virtualization-solutions'
parsed_link = urlparse.urlsplit(originalUrl.encode('utf8'))
parsed_link = parsed_link._replace(path=urllib.quote(parsed_link.path))
encoded_link = parsed_link.geturl()
source = urllib2.urlopen(encoded_link).read()

演示：

---

除了URL.path之外，还有其他简单的方法来处理整个URL吗？不知道你的意思；如果您试图将urllib.quote应用于整个URL，则错误的内容会被编码为冒号。@Martijin，谢谢。你已经回答了我的问题。只需使用urllib.quote对URL.path进行编码。这似乎不正确。我能通过http://ru.wikipedia.org/wiki/Сачаааааааааааааааааааа1072。Wikipedia支持发送编码为UTF-8的URL，而无需正确引用URL。这超出了要求，您不能指望所有服务器都这样做。

>>> import urllib
>>> import urllib2 
>>> import urlparse
>>> originalUrl = u'https://www.packtpub.com/virtualization-and-cloud/citrix-xenapp\xae-75-desktop-virtualization-solutions'
>>> parsed_link = urlparse.urlsplit(originalUrl.encode('utf8'))
>>> parsed_link = parsed_link._replace(path=urllib.quote(parsed_link.path))
>>> encoded_link = parsed_link.geturl()
>>> encoded_link
'https://www.packtpub.com/virtualization-and-cloud/citrix-xenapp%C2%AE-75-desktop-virtualization-solutions'
>>> source = urllib2.urlopen(encoded_link).read()
>>> len(source)
68758