URL decodifica UTF-8 en Python

Resuelto swordholder asked hace 11 años • 5 respuestas

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.

swordholder avatar May 15 '13 20:05 swordholder
Aceptado

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')
Martijn Pieters avatar May 15 '2013 13:05 Martijn Pieters

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'
pavan avatar Sep 08 '2015 07:09 pavan

requestsTambién 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.

ivanleoncz avatar Aug 10 '2020 23:08 ivanleoncz