含非URL编码字符的链接致Jsoup connect异常，如何获取编码后链接？

这个问题我之前处理过，核心原因是**URL中的非ASCII字符必须经过百分号编码（Percent-encoding）**才能被HTTP服务器正确识别，而Jsoup的connect()方法并不会自动帮你处理未编码的特殊字符，所以直接用原始链接请求会抛出IOException。

解决思路：手动对URL进行合规编码 #

Java自带的URI类可以完美处理URL的编码逻辑，它会自动识别并编码路径中的非ASCII字符，同时保留域名、协议等部分的格式，和浏览器的自动编码行为完全一致。

方案1：直接编码原始URL

如果你已经拿到了包含特殊字符的完整URL，可以用URI类将其转换为ASCII编码的合规URL：

import java.net.URI;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;

public class JsoupUrlEncodeExample {
    public static void main(String[] args) throws Exception {
        String rawUrl = "http://kitchen.sayidaty.net/node/8544/賰賵賰賷夭亘丕賱卮賵賮丕賳/丨賱賵賷丕鬲";
        // 转换为URI并生成ASCII编码的合规URL
        URI uri = new URI(rawUrl);
        String encodedUrl = uri.toASCIIString();
        
        // 用编码后的URL发起请求
        Document doc = Jsoup.connect(encodedUrl).get();
        // 后续业务处理逻辑
    }
}

方案2：处理从页面提取的链接

如果是从页面中提取的相对/绝对链接（比如用link.attr("href")或link.absUrl("href")拿到的），因为Jsoup只会拼接绝对链接，不会编码特殊字符，所以需要对提取到的链接再做编码处理：

// 假设已经获取到页面中的目标链接元素
Element linkElement = doc.select("a.target-link").first();
// 获取未编码的绝对链接
String rawAbsUrl = linkElement.absUrl("href");
// 对链接进行合规编码
URI uri = new URI(rawAbsUrl);
String encodedAbsUrl = uri.toASCIIString();
// 用编码后的链接发起请求
Document targetDoc = Jsoup.connect(encodedAbsUrl).get();

避坑提醒 #

• 不要直接用URLEncoder.encode()处理整个URL：它是为表单数据编码设计的，会把URL中的://、.等合法字符也编码，导致URL完全失效。
• 为什么link.attr("abs:href")不行？因为Jsoup的abs:href只是将相对链接拼接成绝对链接，没有做编码处理，返回的依然是包含特殊字符的原始链接，自然无法被服务器解析。

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