URL decodifica UTF-8 en Python
En Python 2.7, dada una URL como 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
, ¿cómo puedo decodificarla para obtener el resultado esperado example.com?title==правовая+защита
?
Lo intenté url=urllib.unquote(url.encode("utf8"))
, pero parece dar un resultado incorrecto.
Los datos son bytes codificados en UTF-8 escapados con comillas de URL, por lo que desea decodificar , con urllib.parse.unquote()
, que maneja la decodificación de datos codificados por porcentaje a bytes UTF-8 y luego a texto, de forma transparente:
from urllib.parse import unquote
url = unquote(url)
Manifestación:
>>> 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'
El equivalente de Python 2 es urllib.unquote()
, pero devuelve una cadena de bytes, por lo que tendrías que decodificar manualmente:
from urllib import unquote
url = unquote(url).decode('utf8')
Si está utilizando Python 3, puede utilizar urllib.parse.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"""
import urllib.parse
urllib.parse.unquote(url)
da:
'example.com?title=правовая+защита'
requests
También puede lograr el resultado esperado con la biblioteca:
import requests
url = "http://www.mywebsite.org/Data%20Set.zip"
print(f"Before: {url}")
print(f"After: {requests.utils.unquote(url)}")
Producción:
$ python3 test_url_unquote.py
Before: http://www.mywebsite.org/Data%20Set.zip
After: http://www.mywebsite.org/Data Set.zip
Puede resultar útil si ya está utilizando requests
, sin utilizar otra biblioteca para este trabajo.