将multichar％xx转换为unicode

Question

在写这篇文章的过程中，我得到了这个。无论如何它都是有用的，或者解决方案不是最佳的。

我有一个unicode字符串u'http://en.wikipedia.org/wiki/Espa%C3%B1ol'，我想要u'http://en.wikipedia.org/wiki/Español'。我尝试使用urllib.unquote给了我u'http://en.wikipedia.org/wiki/Espa\xc3\xb1ol'。

Answer 1

字符串是不必要的unicode，所以首先转换为字节串表示，然后解码为unicode，如下所示：

urllib.unquote(str(u'http://en.wikipedia.org/wiki/Espa%C3%B1ol')).decode('utf8')

Answer 2

问题是%C3%B1的含义取决于字符串的编码。

作为Unicode，它意味着ñ。作为Latin-1，它也意味着ñ。作为UTF-8，它意味着ñ。

因此，您需要在从UTF-8解码之前解除那些字符。

换句话说，在某个地方，你做的相当于：

u = urllib.unquote(s.decode('utf-8'))

不要这样做。你应该这样做：

u = urllib.unquote(s).decode('utf-8')

如果您正在使用的某个框架在您看到它之前已经解码了该字符串，请对其进行重新编码，取消引用并重新解码：

u = urllib.unquote(u.encode('utf-8')).decode('utf-8')

但最好不要让框架手工编码解码但仍然是引用编码的字符串。