为什么我看到来自 Wikipedia 的不同页面？答案

【问题标题】：Why am I see different pages from Wikipedia?为什么我看到来自 Wikipedia 的不同页面？
【发布时间】：2012-09-10 02:06:38
【问题描述】：

当我在任何浏览器中打开 http://en.wikipedia.org/wiki/Category:Births_by_year 时，我会看到包含许多子类别的类别页面和一个子页面 http://en.wikipedia.org/wiki/Park_Sung-Baek

但是当我用 Java 阅读同一个页面时，我会得到不同内容的类别页面。而不是上面提到的子页面，它包含http://en.wikipedia.org/wiki/User:Mijotoba/Ruth_Stella_Correa_Palacio

怎么可能？为什么维基百科呈现不同的页面？

设置User-Agent 没有帮助。

请求“正常”内容的标头

GET http://en.wikipedia.org/wiki/Category:Births_by_year HTTP/1.1
Accept: text/html, application/xhtml+xml, */*
Accept-Language: ru-RU,zh-CN;q=0.5
User-Agent: Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; WOW64; Trident/5.0)
Accept-Encoding: gzip, deflate
Connection: Keep-Alive
Host: en.wikipedia.org

请求“修改”内容的标头

GET http://en.wikipedia.org/wiki/Category:Births_by_year HTTP/1.1
User-Agent: Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; WOW64; Trident/5.0)
Host: en.wikipedia.org
Accept: text/html, image/gif, image/jpeg, *; q=.2, */*; q=.2
Connection: keep-alive

【问题讨论】：

我在此处看到“en.wikipedia.org/wiki/User:Mijotoba/Ruth_Stella_Correa_Palacio”，尝试使用 Ctrl+F5 重新加载浏览器缓存。
这不是浏览器缓存，因为我在 Fiddler2 中看到了内容。 Ctrl+F5 没有帮助。我在所有浏览器（IE、FF、GC）中都看到了第一个版本
同样，OSX 10.8 + Chrome / Safari --> Ruth Stella Correa Palacio。
Chrome 开发者在这里。你在世界的哪个地区？你确定它正在访问 en.wikipedia.org？
据我所知，这是Accept-Encoding: gzip, deflate 行。也许服务器上有一个 gzipped 缓存版本？

标签： java html http web wikipedia

【解决方案1】：

是的，这似乎是 Wikipedia 前端缓存的临时问题。具体来说，当我从浏览器（发送请求标头Accept-Encoding: gzip, deflate）请求the page in question 时，我看到的响应包含标头：

Last-Modified: Thu, 13 Sep 2012 16:46:55 GMT

如果我从命令行使用LWP 请求同一页面（不发送Accept-Encoding 标头），标头看起来非常不同：

Last-Modified: Sat, 25 Aug 2012 12:52:42 GMT

事实上，后一个响应包含与您报告通过 Java 客户端接收到的相同的过时内容。

我怀疑发生的事情是，在过去的某个时候，服务器故障导致页面更改时过期的副本没有从缓存中清除。在这种特殊情况下，您可能可以通过purging the page 修复它。更一般地说，如果您以后继续看到此类陈旧的缓存页面出现，您可能需要将问题报告给Wikipedia server admins，以防缓存出现问题需要修复。

附言。你为什么要使用 Java 获取 Wikipedia 前端 HTML 页面？通常，您应该改用MediaWiki API。

【讨论】：