python - URL 组件 % 和\x

Question

我有疑问。

st = "b%C3%BCrokommunikation"
urllib2.unquote(st)

输出:'b\xc3\xbcrokommunikation' 但是，如果我打印它:

print urllib2.unquote(st)

输出:bürokommunikation

为什么不同？ 我必须将 bürokommunikation 而不是 'b\xc3\xbcrokommunikation' 写入文件。

我的问题是: 我有很多具有从 URL 中提取的值的数据。我必须将它们存储为例如。 bürokommunikation 到一个文本文件。

Answer 1

当您打印 字符串时，您的终端仿真器会识别 unicode 字符 \xc3\xbc 并正确显示它。

但是，正如@MarkDickinson 在评论中所说，ü 在 ASCII 中不存在，因此您需要告诉 Python 您要写入文件的字符串是 unicode 编码的，以及您要使用的编码格式，例如 UTF-8 .

使用 codecs 库非常容易:

import codecs

# First create a Python UTF-8 string
st = "b%C3%BCrokommunikation"
encoded_string = urllib2.unquote(st).decode('utf-8')

# Write it to file keeping the encoding
with codecs.open('my_file.txt', 'w', 'utf-8') as f:
    f.write(encoded_string)