Question

我一直不愿发表有关此问题的问题，但经过3天的谷歌后，我无法解决这个问题。长话短说我正在为WoW制作一个raid齿轮跟踪器。

我正在使用BS4来处理网页抓取，我能够拉出页面并从中获取所需的信息。我遇到的问题是玩家名字中有一个扩展的ascii字符，例如：thermíte。（我是alt + 161）

data

我正在试图弄清楚如何重新编码网址，所以它更像是这样：

http://us.battle.net/wow/en/character/garrosh/thermíte/advanced

我正在使用tkinter作为gui，我让用户从下拉列表中选择他们的领域，然后在输入字段中输入字符名称。

http://us.battle.net/wow/en/character/garrosh/therm%C3%ADte/advanced

我有一个抓取功能，可以执行主要配置文件页面的初始刮擦。这是我将namefield的值赋给全局变量的地方。（我试图将它直接传递给刮刀来自

namefield = Entry(window, textvariable=toonname)

我以为我很接近，因为当它通过“thermíte”时，刮擦功能会打印出“therm \ xC3 \ xADte”我需要做的就是将'\ x'替换为'％'并且我会是金色的。但它不会起作用。我可以使用mastername.find（'\ x'）并且它会在字符串中找到它的实例，但是执行mastername.replace（'\ x'，'％'）实际上不会替换任何内容。

我尝试了各种r'\ x''\''r'\ x'等组合，没有骰子。

最后当我尝试编写拉丁语然后解码回utf-8时，我会得到关于它如何处理扩展的ascii字符的错误。

namefield = Entry(window, textvariable=toonname, command=firstscrape)

这就是我一直用来尝试重建最终网址（atm我离开领域不变，直到我能解决名称问题）

Tldr：

我正在尝试使用扩展ascii的URL：

urlpart1 = "http://us.battle.net/wow/en/character/garrosh/"
urlpart2 = mastername
urlpart3 = "/advanced"
url = urlpart1 + urlpart2 + urlpart3

让它成为浏览器可以轻松处理的网址：

http://us.battle.net/wow/en/character/garrosh/thermíte/advanced

包含所有正常的扩展ascii字符。

我希望这是有道理的。

这是完整脚本atm的pastebin。它有一些东西，直到后来才被利用。 pastebin link

Answer 1

结果网址中不应包含非ascii字符。确保mastername是Unicode字符串（Python 3上的isinstance(mastername, str)）：

#!/usr/bin/env python3
from urllib.parse import quote

mastername = "thermíte"
assert isinstance(mastername, str)
url = "http://us.battle.net/wow/en/character/garrosh/{mastername}/advanced"\
        .format(mastername=quote(mastername, safe=''))
# -> http://us.battle.net/wow/en/character/garrosh/therm%C3%ADte/advanced

Answer 2

您可以尝试这样的事情：

>>> import urllib
>>> 'http://' + '/'.join([urllib.quote(x) for x in url.strip('http://').split('/')]
'http://us.battle.net/wow/en/character/garrosh/therm%C3%ADte/advanced'

urllib.quote()＆＃34; safe＆＃34; urlencodes字符串的字符。你不希望所有的角色都受到影响，只是在＆＃39; /＆＃39;字符并排除最初的＆＃39; http：//＆＃39;。因此，条带和拆分函数会将这些函数排除在等式之外，然后使用+运算符和join

将它们连接起来。

编辑：这个是因为我没有阅读文档...更清洁：

>>> url = 'http://us.battle.net/wow/en/character/garrosh/therm%C3%ADte/advanced'
>>> urllib.quote(url, safe=':/')
'http://us.battle.net/wow/en/character/garrosh/therm%25C3%25ADte/advanced'

如何使用扩展的ascii与bs4 url

2 个答案: