Python 的 urllib.quote
和 urllib.unquote
在 Python 2.6.5 中无法正确处理 Unicode。这就是发生的事情:
In [5]: print urllib.unquote(urllib.quote(u'Cataño'))
---------------------------------------------------------------------------
KeyError Traceback (most recent call last)
/home/kkinder/<ipython console> in <module>()
/usr/lib/python2.6/urllib.pyc in quote(s, safe)
1222 safe_map[c] = (c in safe) and c or ('%%%02X' % i)
1223 _safemaps[cachekey] = safe_map
-> 1224 res = map(safe_map.__getitem__, s)
1225 return ''.join(res)
1226
KeyError: u'\xc3'
将值编码为 UTF8 也不起作用:
In [6]: print urllib.unquote(urllib.quote(u'Cataño'.encode('utf8')))
Cataño
它被识别为一个错误和there is a fix ,但不适用于我的 Python 版本。
我想要的是类似于 urllib.quote/urllib.unquote 的东西,但可以正确处理 unicode 变量,这样这段代码就可以工作:
decode_url(encode_url(u'Cataño')) == u'Cataño'
有什么建议吗?
最佳答案
Python's urllib.quote and urllib.unquote do not handle Unicode correctly
urllib
根本不处理 Unicode。根据定义,URL 不包含非 ASCII 字符。当您处理 urllib
时,您应该只使用字节字符串。如果您希望它们代表 Unicode 字符,则必须手动对其进行编码和解码。
IRIs可以包含非 ASCII 字符,将它们编码为 UTF-8 序列,但 Python 在这一点上没有 irilib
。
Encoding the value to UTF8 also does not work:
In [6]: print urllib.unquote(urllib.quote(u'Cataño'.encode('utf8')))
Cataño
啊,现在您在控制台中输入 Unicode,并在控制台中执行 print
-Unicode。这通常是不可靠的,尤其是在 Windows 和您的情况下 with the IPython console .
用反斜杠序列将它输入很长的路,您可以更容易地看到 urllib
位确实有效:
>>> u'Cata\u00F1o'.encode('utf-8')
'Cata\xC3\xB1o'
>>> urllib.quote(_)
'Cata%C3%B1o'
>>> urllib.unquote(_)
'Cata\xC3\xB1o'
>>> _.decode('utf-8')
u'Cata\xF1o'
关于python - 在 Python 2.6.5 中,是否有可以用于 urllib.quote 和 urllib.unquote 的 unicode 替代品?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/5557849/