[問題] 關於處理URL解碼問題

看板Python作者Josh0821 (JoStudio)時間17年前 (2008/06/02 16:46)推噓2(2推 0噓 3→)

留言5則, 2人參與討論串1/2 (看更多)

在處理url網址時常會使用urllib.unquote來解例如將 %22%27%3C%3E%5B%5C%5D%5E%60%7B%7D 解為"'/<>[\]^`{} (原始字串為%2522%2527/%253C%253E%255B%255C%255D%255E%2560%257B%257D 所以要解兩次) 不過遇到大於127以後的字元就會有很大的問題例如輸入中文字串 "中文測試" 會變成%25E4%25B8%25AD%25E6%2596%2587%25E6%25B8%25AC%25E8%25A9%25A6 經過一次解碼成為%E4%B8%AD%E6%96%87%E6%B8%AC%E8%A9%A6 如果不經處理在使用一次urllib.unquote會出現超過範圍的錯誤因此要對字串重新編碼為unicode 使用unicode(str) or str.decode('UTF8') 但是解碼結果會將每一個獨立的字元解出來也就是%E4變成ä %B8變成¸- 而不是將%E4%B8%AD解成'中' 網路上搜尋很久一般是說將字串加上.decode('UTF8') 可是這只對少部份字元有效要如何有要針對中文來處理... 補一個unquote的實做 def htc(m): return unichr(int(m.group(1),16)) def unquote(url): rex=re.compile('%([0-9A-H][0-9A-H])',re.I) return rex.sub(htc,url) 照理說修改正規語言的規則及UTF-8的對應關係應該是可行只是搞了很久一直弄不出來網路上搜尋也一直沒找到解法不知道版上有沒有有經驗的前輩指點一下..感謝 -- ◢███◤█◢███◤█◢███◤█◢███ ███◤█████◤█████◤▂▂███◤ ██◤█████◤█████◤█████◤███ ◢◣◢◣ █████◤▊▎███◤█████◤████ █◣◤█ ◢█████◤█▊▎██◢▆████◤██▊▎█ ◥██◤ █████◤█████◤█████◤███▊▎◤ξJoshuaζ◥◤ -- ※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 134.208.2.215