Python使用socket模块访问带阿拉伯语参数的维基词典地址报错如何解决

你遇到的报错并非目标URL存在特殊问题，而是对socket接口参数、URL结构的理解有误导致的，具体错误点如下：

• socket.connect()接收的参数格式为(主机域名/IP地址, 端口号)，你错误将包含路径、查询参数的完整请求路径SAMPLE_URL当成了主机名传入。SAMPLE_URL中除主机名en.wiktionary.org外，额外携带的/w/index.php?title=Category:Arabic_lemmas&from=ر属于请求路径和参数部分，不属于主机名范畴，自然无法被解析为可连接的主机地址。
• 主机名字段不允许直接出现未编码的非ASCII字符，你的SAMPLE_URL中携带的阿拉伯字符ر直接出现在主机名位置，进一步触发了编码错误。
• 额外问题：目标站点为HTTPS协议站点，你使用HTTP默认的80端口发起请求无法获取到正常响应，HTTPS默认端口为443，且原生socket需要完成TLS握手后才能正常收发HTTPS请求数据。

你需要先拆分URL的主机名、请求路径两部分，对非ASCII的查询参数做URL编码，同时适配HTTPS协议的请求逻辑，修改后的可运行代码如下：

import socket
import ssl
from urllib.parse import quote

# 拆分主机名部分，仅保留域名
HOST = "en.wiktionary.org"
# 对非ASCII的查询字符做URL编码
encoded_query_char = quote("ر")
# 拼接完整请求路径
REQUEST_PATH = f"/w/index.php?title=Category:Arabic_lemmas&from={encoded_query_char}"

# 初始化SSL上下文用于HTTPS握手
ssl_context = ssl.create_default_context()
# 使用with上下文管理器自动管理连接关闭
with socket.socket(socket.AF_INET, socket.SOCK_STREAM) as raw_sock:
    # 连接目标主机443端口
    raw_sock.connect((HOST, 443))
    # 包装socket完成TLS握手
    with ssl_context.wrap_socket(raw_sock, server_hostname=HOST) as secure_sock:
        # 构造标准HTTP请求，请求路径填拆分后的REQUEST_PATH，Host头填主机名
        request_payload = f"GET {REQUEST_PATH} HTTP/1.1\r\nHost: {HOST}\r\nConnection: close\r\n\r\n"
        secure_sock.sendall(request_payload.encode())
        # 循环接收完整响应
        full_response = b""
        while chunk := secure_sock.recv(4096):
            full_response += chunk
        # 打印响应内容
        print(full_response.decode())

内容的提问来源于stack exchange，提问作者AdmosJagashvili