这是什么类型的URL编码？

Question

我有编码的网址

http://blahblah.com/s%E2%80%8Btart/DEE-G%E2%80%8B6F-W4A-2N1%E2%80%8B5

的

http://blahblah.com/start/DEE-G6F-W4A-2N15

这是什么类型的编码以及如何在Python中进行转换？

Answer 1

编辑:(由于与@interjay的对话）：

%E2%80%8B代表ZERO WIDTH SPACE。那些可能不应该在那里。您可以使用str.replace删除它们：

In [135]: 'http://blahblah.com/s%E2%80%8Btart/DEE-G%E2%80%8B6F-W4A-2N1%E2%80%8B5'.replace('%E2%80%8B', '')
Out[135]: 'http://blahblah.com/start/DEE-G6F-W4A-2N15'

---

通常，引用的网址可以使用urllib.unquote取消引用：

In [6]: import urllib

In [7]: print(urllib.unquote('http://blahblah.com/s%E2%80%8Btart/DEE-G%E2%80%8B6F-W4A-2N1%E2%80%8B5'))
http://blahblah.com/s​tart/DEE-G​6F-W4A-2N1​5

---

以下是%E2%80%8B代表ZERO WIDTH SPACE：

的方法

In [18]: x = urllib.unquote('%E2%80%8B')

In [19]: y = x.decode('utf-8')

In [20]: import unicodedata as UD

In [21]: [UD.name(c) for c in y]
Out[21]: ['ZERO WIDTH SPACE']

请注意，未取消的网址包含ZERO WIDTH SPACEs：

In [4]: urllib.unquote('http://blahblah.com/s%E2%80%8Btart/DEE-G%E2%80%8B6F-W4A-2N1%E2%80%8B5')
Out[4]: 'http://blahblah.com/s\xe2\x80\x8btart/DEE-G\xe2\x80\x8b6F-W4A-2N1\xe2\x80\x8b5'

放入网址似乎很奇怪......