使用Python進行URL編碼/解碼

Question

我正在嘗試編碼和存儲，並解碼Python中的參數並在此過程中丟失。 這是我的步驟：

1）我使用google toolkit的gtm_stringByEscapingForURLArgument正確轉換NSString以傳入HTTP參數。

2）在我的服務器（python）上，我將這些字符串參數存儲為u'1234567890-/:;()$&@".,?!\\'[]{}#%^*+=_\\\\|~<>\€\\xa3\\xa5\•.,?!\\'' （請注意，這些是“123”視圖中的iphone鍵盤上的標准鍵和“＃+ =”視圖， \\u\u003c/code>和\\x有一些貨幣前綴，如英鎊，日元等）

3）我在該存儲值上調用urllib.quote(myString,'') ，大概是為了將它們轉移到客戶端，以便客戶端可以取消它們的轉義。

結果是當我嘗試記錄％escaping的結果時出現異常。 是否有一些關鍵的步驟我忽略了需要應用於\\ u和\\ x格式的存儲值才能正確轉換它以通過http發送？

更新 ：標記為以下答案的建議對我有用。 不過，我提供了一些更新來解決以下評論。

我收到的例外引用了\€一個問題。 我不知道具體是否是一個問題，而不是它是字符串中的第一個unicode字符。

那個\€ char是“歐元”符號的unicode。 除非我使用urllib2 quote方法，否則我基本上發現我遇到了問題。

Answer 1

編碼“原始”unicode的url實際上沒有意義。 你需要做的是.encode("utf8")首先你有一個已知的字節編碼，然后是.quote() 。

輸出不是很漂亮，但應該是正確的uri編碼。

>>> s = u'1234567890-/:;()$&@".,?!\'[]{}#%^*+=_\|~<>\u20ac\xa3\xa5\u2022.,?!\''
>>> urllib2.quote(s.encode("utf8"))
'1234567890-/%3A%3B%28%29%24%26%40%22.%2C%3F%21%27%5B%5D%7B%7D%23%25%5E%2A%2B%3D_%5C%7C%7E%3C%3E%E2%82%AC%C2%A3%C2%A5%E2%80%A2.%2C%3F%21%27'

請記住，如果您正在調試或其他任何事情，您將需要unquote()和decode()來正確打印出來。

>>> print urllib2.unquote(urllib2.quote(s.encode("utf8")))
1234567890-/:;()$&@".,?!'[]{}#%^*+=_\|~<>€£¥•.,?!'
>>> # oops, nasty  means we've got a utf8 byte stream being treated as an ascii stream
>>> print urllib2.unquote(urllib2.quote(s.encode("utf8"))).decode("utf8")
1234567890-/:;()$&@".,?!'[]{}#%^*+=_\|~<>€£¥•.,?!'

事實上，這是另一個答案中提到的django函數所做的事情。

函數django.utils.http.urlquote（）和django.utils.http.urlquote_plus（）是Python的標准urllib.quote（）和urllib.quote_plus（）的版本，它們使用非ASCII字符。 （數據在編碼之前轉換為UTF-8。）

如果您使用任何進一步的引用或編碼不要破壞東西，請小心。

Answer 2

我想要第二次pycruft的評論。 網絡協議已經發展了數十年，處理各種慣例可能很麻煩。 現在URL恰好沒有為字符定義，只是為字節（八位字節）定義。 作為一個歷史巧合，URL是您只能假設但不強制執行或安全地期望編碼存在的地方之一。 然而，有一個慣例是喜歡latin-1和utf-8而不是其他編碼。 有一段時間，它看起來像' unicode percent escapes '將是未來，但它們從來沒有流行起來。

它是最重要的是在這方面的約之間的差迂腐挑剔unicode對象和八位字節str英格斯（在Python <3.0;這是，混淆性， str Unicode對象和bytes / bytearray在Python對象> = 3.0）。 不幸的是，根據我的經驗，出於多種原因很難將Python 2.x中的兩個概念完全分開。

甚至更多OT，當你想要接收第三方HTTP請求時，你不能完全依賴於以百分比轉義，utf-8編碼的八位字節發送的URL：偶爾會有%uxxxx轉義，並且在那里至少firefox 2.x用於在可能的情況下將URL編碼為latin-1，並且僅在必要時將utf-8編碼為utf-8。

Answer 3

你運氣不好stdlib，urllib.quote不適用於unicode。 如果您正在使用django，您可以使用django.utils.http.urlquote，它可以正常使用unicode