HTTPClient - HTTP GET 被重定向 URL 中的 # 锚点破坏

Question

这有点奇怪。我正在使用 HTTPClient 4.1.2，似乎每当它找到带有“#”之类的 URL 时，它都会使用 URL 中的 # 进行完整获取。

例如，尝试获取 URL http://stks.co/eWt 将重定向到 URL http://news.ichinastock.com/2011/10/jack-ma-alibaba-has-prepared-20-billion-to-acquire-yahoo/#.Tpw-xG61XjU.twitter。现在这个 URL 是活动的，但问题是 HTTPClient 发送一个将 URI 设置为 URI: /2011/10/jack-ma-alibaba-has-prepared-20-billion-to-acquire-yahoo/#.Tpw-xG61XjU.twitter 的 get 请求，这导致服务器发回一个 404 页面未找到。

查看 IE、Firefox 和 cURL 发送的 GET，它们都将 URI 末尾的 #... #... 已被删除。这是与http://stks.co/eWt 完全相同的条目URL。

作为测试，将这个原始 URL 发送到 HTTPClient（即HttpGet httpget = new HttpGet("http://news.ichinastock.com/2011/10/jack-ma-alibaba-has-prepared-20-billion-to-acquire-yahoo/#.Tpw-xG61XjU.twitter");）会给出相同的 404 not found 结果。

所以问题是 HTTPClient 中是否有任何设置可以设置，以便可以从 URL 中自动删除尾随 #... 之类的内容。或者我将如何从 URL 中手动删除它（请记住，我还需要捕获所有重定向 URL）？

Answer 1

听起来他们的网络服务器坏了。 URI 规范说数字符号 (#) 终止 URI 的路径部分。如果 Web 服务器在路径的 # 部分之后考虑任何内容，则它不遵循 URI 规范。

路径组件包含通常以分层形式组织的数据，这些数据与非分层查询组件中的数据一起用于标识 URI 方案和命名权限（如果有）范围内的资源。路径以第一个问号 ("?") 或数字符号 ("#") 字符结尾，或者以 URI 结尾。" - RFC3986

我测试了一些流行的网络服务器，它们都正确解析了这些 URI，忽略了数字符号后面的部分。

不过，对于解决方法，我没有任何好的建议。但至少现在你知道该怪谁了。

Answer 2

注意：散列（和散列）之后的所有字符串都不会发送到服务器。 URL 中的哈希是供浏览器使用的，而不是供服务器使用的。