解码 URL 中的转义字符

Question

我有一个列表，其中包含带有转义字符的 URL。这些字符已由 urllib2.urlopen 在恢复 html 页面时设置：

http://www.sample1webpage.com/index.php?title=%E9%A6%96%E9%A1%B5&action=edit
http://www.sample1webpage.com/index.php?title=%E9%A6%96%E9%A1%B5&action=history
http://www.sample1webpage.com/index.php?title=%E9%A6%96%E9%A1%B5&variant=zh 

有没有办法将它们转换回 python 中的未转义形式？

PS: URL 编码为 utf-8

Answer 1

使用 urllib 包（import urllib）：

Python 2.7

来自 "="">官方文档：

urllib.unquote(字符串)

将 %xx 转义符替换为对应的单字符转义符。

示例：unquote('/%7Econnolly/') 产生 '/~connolly/'。

Python 3

来自官方文档：

urllib.parse.unquote(字符串, 编码='utf-8', 错误='替换')

[…]

示例：unquote('/El%20Ni%C3%B1o/') 产生 '/El Niño/'。

Answer 2

如果您使用的是 Python3，您可以使用：

import urllib.parse
urllib.parse.unquote(url)

Answer 3

或urllib.unquote_plus

>>> import urllib
>>> urllib.unquote('erythrocyte+membrane+protein+1%2C+PfEMP1+%28VAR%29')
'erythrocyte+membrane+protein+1,+PfEMP1+(VAR)'
>>> urllib.unquote_plus('erythrocyte+membrane+protein+1%2C+PfEMP1+%28VAR%29')
'erythrocyte membrane protein 1, PfEMP1 (VAR)'

Answer 4

您可以使用 urllib.unquote

Answer 5

import re

def unquote(url):
  return re.compile('%([0-9a-fA-F]{2})',re.M).sub(lambda m: chr(int(m.group(1),16)), url)