urlencode 编码同一段字符， Python 和 Java 出来的结果不一样

[vileer]

我从文件里面读取一个 wav 文件然后，通过 urlencode 塞到 json 里面去，python 的 urllib.urlencode()出来的结果如下：

RIFF%AC%89%03%00WAVEfmt+

但是用 java 的 UrlEncoder 去编码结果却变成下面这样：

RIFF%C2%AC%C2%89%03%00WAVEfmt+

明显的 java 的 UrlEncoder 在 0xAC 和 0x89 这两个特殊字符前加上了%C2 这个字符，如果我想要用 java 得到 python 的结果这个要怎么做呢？

首先谢谢各位热心的解答，问题解决了，原因如二楼 @imn1 所说 python 默认的编码是 latin-1，java 是 utf-8，在 java 上将从文件上读出来的字节数组用 new String(byte[],"Latin1")转成 String，然后 urlencode 的时候也指定 Latin1 的编码就行了，关于很多人说到的为什么要放到 json 的问题，其实是我说错了，在 python 里面应该是 dictionary 才对。再次感谢大家的热心帮助，仅以不多的铜币感谢回答的各位。

[ebingtel]

……先 base64 encode 再 urlencode ；

[imn1]

编码问题
python 在 latin-1/gbk 下执行
java 在 utf-8 下执行

字符'¬'，它的 ASCII/Latin-1 为 AC，utf-8(bytes)是 C2AC

[flyingghost]

塞到 json 里用 urlencode 首先就错了。base64 足矣。
其次，问题的原因是编码。如 2 楼所言。

[flyingghost]

你要这么想：输入是 bin，要求输出是 string，用什么？当然用 base64 一步达成。
urlencode 输出是 string，但输入也是 string，并不符合你的场景需求，你还得为它做一步转换准备好入参。预先从 bin -> string 过程中，必然会引入新的因素：编码。
再说一下字符编码。并不是任意一个 bin 都能转成对应的 string 的。很多编码方式都有它自己的规则，例如 utf-8，对于 n 字节的符号（ n > 1 ），第一个字节的前 n 位都设为 1，第 n + 1 位设为 0，后面字节的前两位一律设为 10。因此很容易构造（遭遇）一个非法的 bin 序列在转换时报错。还有，转换后的码点是不是一个合法字符？这是由码表说了算。码表上不存在的，有可能就作为非法字符忽略或者显示为框或者问号。
假设第一步转换凑巧没出错，还得考虑第一步转出特殊字符，第二步 urlencode 时会不会正常处理。例如\0、\r、\n。。。毕竟它的设计并不是计划用在这种场合。

[Arnie97]

实际上 urlencode 暗含了两个步骤：
将 str 编码为 bytes，这一步的编码存在分别 ；
将 bytes 编码为 hex，这一步都是相同的。

在 Java 中，建议用 URLEncoder.encode(str, encoding)来明确的指出选择了哪种字符编码，以免踩坑。而 URLEncoder.encode(str) 已经是官方不建议使用的写法，如果用的是 IntelliJ IDEA 这么写会受到警告。

同理，Python 中建议使用 encoding= 关键字参数来指明字符编码，否则会随系统环境设置而变化。

[0312birdzhang]

是不是有一个默认 safe encode

[sutra]

https://gist.github.com/sutra/4ff19a3aaedc684d159fe3b482ec5db1

[geelaw]

wave 文件不总是可以被理解为一个字符串，这个做法一开始就错了。

[sutra]

@geelaw 当作 bytes 读进来，然后 encode 成 string，再 urlencode。

[vileer]

@flyingghost 其实应该是 post 的一个参数所以 urlencode 了

[vileer]

@geelaw 确实是不合理的设计，不过对方的服务器 API 设计成这样也没办法

[msg7086]

POST 的参数和 JSON 没关系吧？
POST 的参数在 POST 的时候做转码，为何要先转码写入 JSON ？

[vileer]

@msg7086 确实没关系，我看错了，post 参数是放在 dictionary 里面，只是这写法像 json。