Javascript unescape() 与 Python urllib.unquote()

Question

看了各种帖子，好像是JavaScript的unescape()相当于 Pythons urllib.unquote() ，但是当我测试两者时，我得到不同的结果:

在浏览器控制台中:

unescape('%u003c%u0062%u0072%u003e');

输出: <br>

在 Python 解释器中:

import urllib
urllib.unquote('%u003c%u0062%u0072%u003e')

输出: %u003c%u0062%u0072%u003e

我希望 Python 也返回 <br> .关于我在这里缺少什么的任何想法？

谢谢!

Answer 1

%uxxxx 是 non standard URL encoding scheme urllib.parse.unquote() (Py 3)/urllib.unquote() (Py 2) 不支持。

它只是 ECMAScript ECMA-262 第三版的一部分；该格式被 W3C 拒绝，并且从未成为 RFC 的一部分。

您可以使用正则表达式来转换此类代码点:

try:
    unichr  # only in Python 2
except NameError:
    unichr = chr  # Python 3

re.sub(r'%u([a-fA-F0-9]{4}|[a-fA-F0-9]{2})', lambda m: unichr(int(m.group(1), 16)), quoted)

这会解码 %uxxxx 和 %uxx 形式的 ECMAScript 3rd ed 可以解码。

演示:

>>> import re
>>> quoted = '%u003c%u0062%u0072%u003e'
>>> re.sub(r'%u([a-fA-F0-9]{4}|[a-fA-F0-9]{2})', lambda m: chr(int(m.group(1), 16)), quoted)
'<br>'
>>> altquoted = '%u3c%u0062%u0072%u3e'
>>> re.sub(r'%u([a-fA-F0-9]{4}|[a-fA-F0-9]{2})', lambda m: chr(int(m.group(1), 16)), altquoted)
'<br>'

但如果可能，您应该避免完全使用编码。