對URL中的轉義字符進行解碼

我有一個包含帶有轉義字符的URL的列表。這些字符已被urllib2.urlopen設置時恢復html頁面：對URL中的轉義字符進行解碼

http://www.sample1webpage.com/index.php?title=%E9%A6%96%E9%A1%B5&action=edit 
http://www.sample1webpage.com/index.php?title=%E9%A6%96%E9%A1%B5&action=history 
http://www.sample1webpage.com/index.php?title=%E9%A6%96%E9%A1%B5&variant=zh

有沒有辦法將它們轉換回到它們的未轉義形式蟒蛇？

P.S .:的網址爲UTF-8

來源

2011-11-15 dyoser

Official docs.

urllib.unquote(編碼的字符串)

可以通過單字符等效替換%xx逃逸。

例如：unquote('/%7Econnolly/')得出'/~connolly/'。

然後只是解碼。

更新： 對於Python 3，編寫如下：

urllib.parse.unquote(url)

Python 3 docs.

來源

2011-11-15 13:09:00

的引文結束演出正如我上面說sample.com/index.php?title=\xe9\xa6\x96\xe9\xa1 \ xb5＆action = edi ...也許我在這種情況下沒有很好地解釋我自己......但是url是一箇中國人，我想解碼爲原始字符，而不是沒有引號的字符 – dyoser

@dyoser你需要把這個在你的問題。 –

@ root45這是對一個答案的評論...所以在這裏它是正確的。感謝您的讚賞。 – dyoser

您可以使用urllib.unquote

來源

2011-11-15 13:09:14

當我使用unquote（感謝的方式...）它顯示這個字符串http：//sample.com/index.php？title = \ xe9 \ xa6 \ x96 \ xe9 \ xa1 \ xb5＆action = edi，我知道他們是中國人的字符......我怎麼能看到他們？我想這是unicode，對吧？ – dyoser

這已經是你的問題了。這些是UTF-8字節;你可以用'b「\ xe9 \ xa6 \ x96 \ xe9 \ xa1 \ xb5」.decode（「utf-8」）（現在使用更現代的Python語法）將它們轉換爲Unicode字符串。 – tripleee

import re 

def unquote(url): 
    return re.compile('%([0-9a-fA-F]{2})',re.M).sub(lambda m: chr(int(m.group(1),16)), url)

來源

2013-03-26 00:27:53 mistercx

爲什麼當手動使用正則表達式和lambda表達式時，有一個內置的庫可以滿足您的需求，可能會更深思熟慮？ –

酷解決方案！ 'urllib2'不是標準python版本的一部分。 're'是。 – cxxl

或urllib.unquote_plus

>>> import urllib 
>>> urllib.unquote('erythrocyte+membrane+protein+1%2C+PfEMP1+%28VAR%29') 
'erythrocyte+membrane+protein+1,+PfEMP1+(VAR)' 
>>> urllib.unquote_plus('erythrocyte+membrane+protein+1%2C+PfEMP1+%28VAR%29') 
'erythrocyte membrane protein 1, PfEMP1 (VAR)'

來源

2015-12-10 04:27:02 dli

如果你正在使用Python3你可以使用：

urllib.parse.unquote(url)

來源

2016-01-04 15:03:14

也在'urllib.request.unquote'中 – Ben

對URL中的轉義字符進行解碼

回答

相關問題