Декодирование экранированных символов в URL

У меня есть список, содержащий URL-адреса с экранированными символами. Эти символы были установлены с помощью urllib2.urlopen, когда он восстанавливает страницу 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

Есть ли способ преобразовать их обратно в их неэкранированную форму в python?

P.S.: URL-адреса закодированы в utf-8

Ответы

Ответ 1

Официальные документы

urllib.unquote( строка )

Замените %xx escape-последовательности их односимвольным эквивалентом.

Пример: unquote('/%7Econnolly/') дает '/~connolly/'.

И затем просто расшифруйте.

Update: Для Python 3 это:

urllib.parse.unquote(url)

Документы Python 3

Ответ 2

И если вы используете Python3, вы можете использовать:

urllib.parse.unquote(url)

Ответ 3

или 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)'

Ответ 4

Вы можете использовать urllib.unquote

Ответ 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)