Desarrollo de Python
  1. Desarrollo de Python
  3. Decodificar caracteres escapados en URL
Intereting Posts
Python sys.stdin.read (max) bloquea hasta que se lee max (si max> = 0), bloquea hasta EOF, pero la selección indica que hay datos para leer Detalles de los modos de archivo de Python Lock.acquire (False) hace? Frasco vista parcial como MVC 3 Inestabilidad de los cálculos del dataframe de pandas. Python datetime.strptime () Consumir mucho tiempo de CPU Creación de un paquete Python para un módulo de solo extensión C que está pre-construido Python heapq vs. complejidad y rendimiento ordenados Si se permiten parches de mono tanto en Ruby como en Python, ¿por qué es más controvertido en Ruby? OpenCV devuelve las coordenadas de los puntos clave y el área desde la detección de manchas, Python Eliminar números no fechas en Python (regex) Generando variables aleatorias discretas con pesos especificados usando SciPy o NumPy Paquete de solicitudes Python: manejo de respuesta xml Selenium: Salir del script de Python sin cerrar el navegador Ordenar la lista de la lista con la función de comparación personalizada en Python

Decodificar caracteres escapados en URL

Tengo una lista que contiene URL con caracteres de escape en ellos. Esos caracteres han sido configurados 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 una manera de transformarlos de nuevo a su forma sin escaparse en python?

PS: Las URL están codificadas en utf-8

Documentos oficiales

urllib.unquote( string )

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

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

Y luego simplemente decodificar.

Actualización: Para Python 3, escriba lo siguiente: 

 urllib.parse.unquote(url)

Python 3 documentos.

Y si estás usando Python3 podrías usar: 

 urllib.parse.unquote(url)

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)'

Puedes usar urllib.unquote 

 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)