网址在Python中解码UTF-8

245

就我是Python的新手而言，我已经花了很多时间。
我怎么能解码这样的URL：

example.com?title=%D0%BF%D1%80%D0%B0%D0%B2%D0%BE%D0%B2%D0%B0%D1%8F+%D0%B7%D0%B0%D1%89%D0%B8%D1%82%D0%B0

到python 2.7中的这个： example.com?title==правовая+защита

url=urllib.unquote(url.encode("utf8")) 返回的东西非常丑陋。

仍然没有解决方案，感谢您的帮助。

— 持剑者
source

2

通常，URL的尾部只是一个cookie。您不知道服务器使用哪种本地字符集编码，甚至不知道URL是否编码字符串或完全不同的东西。（当然，许多URL 确实对人类可读的字符串进行了编码；通常，您可以很容易地猜出该编码。但是，在通常情况下或完全自动的情况下，这是不可能的。）

— Tripleee

397

该数据是UTF-8编码的字节逃脱URL引用，所以要解码，用urllib.parse.unquote()，它处理从百分比编码数据进行解码，以UTF-8字节，然后于文字，透明：

from urllib.parse import unquote

url = unquote(url)

演示：

>>> from urllib.parse import unquote
>>> url = 'example.com?title=%D0%BF%D1%80%D0%B0%D0%B2%D0%BE%D0%B2%D0%B0%D1%8F+%D0%B7%D0%B0%D1%89%D0%B8%D1%82%D0%B0'
>>> unquote(url)
'example.com?title=правовая+защита'

Python 2的等效项是urllib.unquote()，但是它返回一个字节串，因此您必须手动进行解码：

from urllib import unquote

url = unquote(url).decode('utf8')

— 马亭皮特斯
source

那么，为什么字符串中还剩下+字符呢？我以为％2B是+字符和+文字在解码期间被删除了吗？

— AlexLordThorsen 2014年

5

@Rawrgulmuffins +是x-www-form-urlencoded数据空间；您可能会使用urllib.parse.parse_qs()解析或使用urllib.parse.unquote_plus()。但是它们应该只出现在查询字符串中，而不出现在URL的其余部分中。

— 的Martijn Pieters的

140

如果您使用的是Python 3，则可以使用 urllib.parse

url = """example.com?title=%D0%BF%D1%80%D0%B0%D0%B2%D0%BE%D0%B2%D0%B0%D1%8F+%D0%B7%D0%B0%D1%89%D0%B8%D1%82%D0%B0"""

import urllib.parse
urllib.parse.unquote(url)

给出：

'example.com?title=правовая+защита'

— 帕万
source

使用它并在Python3.8上获取字典而不是查询字符串

— Clocker