解码URL中的转义字符

Question

我有一个列表,其中包含带有转义字符的网址.这些字符是urllib2.urlopen在恢复html页面时设置的:

http://www.sample1webpage.com/index.php?title=%E9%A6%96%E9%A1%B5&action=edit
http://www.sample1webpage.com/index.php?title=%E9%A6%96%E9%A1%B5&action=history
http://www.sample1webpage.com/index.php?title=%E9%A6%96%E9%A1%B5&variant=zh 

有没有办法在python中将它们转换回未转义的形式？

PS:URL以utf-8编码

Answer 1

官方文档.

urllib.unquote(串)

用%xx单字符等效替换转义符.

示例:unquote('/%7Econnolly/')收益率'/~connolly/'.

然后只是解码.

更新: 对于Python 3,请编写以下内容:

urllib.parse.unquote(url)

Python 3文档.

Answer 2

如果您正在使用,Python3您可以使用:

urllib.parse.unquote(url)

Answer 3

要么 urllib.unquote_plus

>>> import urllib
>>> urllib.unquote('erythrocyte+membrane+protein+1%2C+PfEMP1+%28VAR%29')
'erythrocyte+membrane+protein+1,+PfEMP1+(VAR)'
>>> urllib.unquote_plus('erythrocyte+membrane+protein+1%2C+PfEMP1+%28VAR%29')
'erythrocyte membrane protein 1, PfEMP1 (VAR)'

Answer 4

您可以使用 urllib.unquote

Answer 5

import re

def unquote(url):
  return re.compile('%([0-9a-fA-F]{2})',re.M).sub(lambda m: chr(int(m.group(1),16)), url)