Decodificar caracteres escapados en URL

Question

Decodificar caracteres escapados en URL

Tengo una lista que contiene URLs con caracteres escapados. Esos caracteres han sido establecidos por urllib2.urlopen cuando recupera la página html:

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

¿Hay alguna manera de transformarlos de vuelta a su forma no escapada en python?

P.D.: Las URLs están codificadas en utf-8

55

python escaping

Author: Björn Pollex, 2011-11-15

Source

5 answers

Y si estás usando Python3 podrías usar:

urllib.parse.unquote(url)

21

Author: Vladir Parrado Cruz,
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/ajaxhispano.com/template/agent.layouts/content.php on line 61
2016-01-04 15:03:14

O 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)'

9

Author: dli,
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/ajaxhispano.com/template/agent.layouts/content.php on line 61
2015-12-10 04:27:02

Puede utilizar urllib.unquote

6

Author: Klaus Byskov Pedersen,
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/ajaxhispano.com/template/agent.layouts/content.php on line 61
2011-11-15 13:09:14

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)

3

Author: mistercx,
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/ajaxhispano.com/template/agent.layouts/content.php on line 61
2013-03-26 00:27:53

score 100 · Accepted Answer

Documentos oficiales.

urllib.unquote(cadena)

Reemplace %xx los escapes por su equivalente de un solo carácter.

Ejemplo: unquote('/%7Econnolly/') rinde '/~connolly/'.

Y luego simplemente decodificar.

Actualización: Para Python 3, escriba lo siguiente:

urllib.parse.unquote(url)

Python 3 docs.