python:关于url编码和解码

Question

我有一个问题。我正在尝试在 python 中使用 urllib 库。但是，我不明白。

a = 'http%3A%2F%2Ffile%2Efir%2Enet%2F40d55cecf9a3a47851b1d0ebda3e423993c837d3ca%2F20110909%5F52%5Fblogfile%2Folsscj25%5F1315512137967%5F5tAuGI%5Fzip%2F%255B%25C0%25A9%25B5%25B5%25BF%25ECxp%255D%2B%25C0%25A9%25B5%25B5%25BF%25ECxp%2B%25BD%25C3%25B8%25AE%25BE%25F3%25B3%25D1%25B9%25F6%5F%2Ezip'

aa = unquote(unquote(a))
'http://file.fir.net/40d55cecf9a3a47851b1d0ebda3e423993c837d3ca/20110909_52_blogfile/olsscj25_1315512137967_5tAuGI_zip/[\xc0\xa9\xb5\xb5\xbf\xecxp]+\xc0\xa9\xb5\xb5\xbf\xecxp+\xbd\xc3\xb8\xae\xbe\xf3\xb3\xd1\xb9\xf6_.zip'

a1 = quote(quote(aa))
'http%253A//file.fir.net/40d55cecf9a3a47851b1d0ebda3e423993c837d3ca/20110909_52_blogfile/olsscj25_1315512137967_5tAuGI_zip/%255B%25C0%25A9%25B5%25B5%25BF%25ECxp%255D%252B%25C0%25A9%25B5%25B5%25BF%25ECxp%252B%25BD%25C3%25B8%25AE%25BE%25F3%25B3%25D1%25B9%25F6_.zip'

为什么不等于两个值(a 和 a1)。请告诉我

谢谢。

Answer 1

我认为您将多个问题合并为一个问题。

首先，您问这个问题的唯一原因是您想取消引用文件名的尾部部分，该部分似乎被引用了两次。

其次，文件名，即使双引号不加引号，也会产生非 utf-8 编码数据，并且不可打印。

第三，你似乎不理解URL格式。

最后，您不明白引用和取消引用实际上在做什么。

urllib.quote() 和 urllib.unquote() 仅适用于 URL 的 path_info 部分，即 http://file.fir.net/ 之后的所有内容。 .

urllib.quote() 会用百分比编码替换 URL 中不安全的字符串参数中的所有内容。这意味着每个会导致问题的字符(例如::~[SPACE] 等)都采用 %BYTES_IN_HEX 格式。

由于 [:] 在 URL 的路径部分中不安全，quote() 将使用百分比编码对其进行编码。

所有这些意味着您不应该将整个 URL 直接传递到 quote() 中，除非您碰巧想要将 URL 实际编码到 URL 的 path_info 部分中。

解决您的问题的步骤如下:

1. 修复文件名编码以使用可打印的内容来帮助您调试。
2. urllib.unquote() 一次以返回正常的 URL。
3. 当您获得不带引号的 URL 时，首先将其传递给 urlparse.urlparse() 以将组件分解为适当的部分。
4. urllib.unquote() 文件名部分。
5. 现在您可以检索原始文件名，您可以继续执行您需要执行的操作。

引用文献:

http://docs.python.org/library/urlparse.html

http://docs.python.org/library/urllib.html