Question

我正在尝试获取包含变音符号（í，č...）的页面的HTML。问题是urllib2.quote似乎没有像我预期的那样工作。

就我而言，引用应该将包含变音符号的url转换为正确的url。

以下是一个例子：

url = 'http://www.example.com/vydavatelství/'

print urllib2.quote(url)

>> http%3A//www.example.com/vydavatelstv%C3%AD/

问题是它出于某种原因改变了http//字符串。然后urllib2.urlopen(req)返回错误：

response = urllib2.urlopen（req）
    在urlopen中输入文件“C：\ Python27 \ lib \ urllib2.py”，第154行           return opener.open（url，data，timeout）         文件“C：\ Python27 \ lib \ urllib2.py”，第437行，处于打开状态           response = meth（req，response）
        在http_response中的文件“C：\ Python27 \ lib \ urllib2.py”，第550行           'http'，请求，响应，代码，消息，hdrs）
        文件“C：\ Python27 \ lib \ urllib2.py”，第475行，出错           return self._call_chain（* args）
        文件“C：\ Python27 \ lib \ urllib2.py”，第409行，在_call_chain中           result = func（* args）
        在http_error_default中的文件“C：\ Python27 \ lib \ urllib2.py”，第558行           引发HTTPError（req.get_full_url（），代码，msg，hdrs，fp）
      urllib2.HTTPError：HTTP错误400：错误请求

Answer 1

- TL; DR -

两件事。首先确保你在python脚本的顶部包含你的shebang # -- coding: utf-8 --。这让我们的python知道如何编码文件中的文本。第二，你需要指定安全字符，这些字符不是由quote方法转换的。默认情况下，仅将/指定为安全字符。这意味着正在转换:，这会破坏您的网址。

url = 'http://www.example.com/vydavatelství/'
urllib2.quote(url,':/')
>>> http://www.example.com/vydavatelstv%C3%AD/

- 对此更多一点 -

所以这里的第一个问题是urllib2的文档很差。关闭Kamal提供的链接，我没有在文档中提及quote方法。这使得解决问题非常困难。

话虽如此，让我解释一下。

urllib2.quote似乎与urllib的引用实现相同，即documented pretty well。 urllib2.quote（）有四个参数

urllib.parse.quote(string, safe='/', encoding=None, errors=None)
##   string: string your trying to encode
##     safe: string contain characters to ignore. Defualt is '/'
## encoding: type of encoding url is in. Default is utf-8
##   errors: specifies how errors are handled. Default is 'strict' which throws a UnicodeEncodeError, I think.

urllib2.quote无法正常工作

1 个答案: