Question

我有问题。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）。请让我知道

感谢。

Answer 1

我认为你将多个问题卷入1。

首先，你问这个问题的唯一原因是因为你想要取消引用文件名的尾部，这似乎被引用了两次。

其次，文件名，即使是双重不加引号，也会产生非utf-8编码数据，并且不可打印。

第三，您似乎不了解URL格式。

最后，你不明白引用和unquote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/之后的所有部分。

urllib.quote（）替换字符串参数中的所有内容，这些内容在“具有百分比编码的URL中是不安全的。”这意味着每个会导致问题的字符（例如：〜[SPACE]等）具有％BYTES_IN_HEX格式。

由于[：]在URL的路径部分中不安全，因此quote（）将使用它的百分比编码对其进行编码。

所有这些意味着你不应该将整个URL直接传递给quote（），除非你碰巧想要将URL实际编码到URL的path_info部分。

解决问题的步骤如下：

修复文件名编码以使用可打印的内容来帮助您进行调试。
urllib.unquote（）一次返回普通网址。
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。
urllib.unquote（）文件名部分。
现在您可以检索原始文件名，您可以继续做任何您需要做的事情。

参考文献：

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

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

Answer 2

答案在documentation on quote method：

...从不引用字母，数字和字符“_.-”。 ......

a和a1之间存在差异，因为a可能未使用quote()引用，因此引用的字符多于其所需的字符数。 a1仍然是有效的引用字符串，但有些字符没有引用，因为它们没有引用。

python：关于url编码和解码

2 个答案: