Desarrollo de Python
  1. Desarrollo de Python
  3. Decodificar caracteres escapados en URL
Intereting Posts
Python functools.wraps equivalente para las clases gdb-python: analiza la estructura de cada campo e imprímelos con el valor adecuado, si existe Homebrew, instalación de python Prohibir los saltos de línea automáticos en Pycharm Output cuando se usan matrices grandes Mejores prácticas: ¿cómo se enumeran las dependencias requeridas en su setup.py? Lea los caracteres Unicode de los argumentos de la línea de comandos en Python 2.x en Windows ¿Cómo encontrar la línea del horizonte de manera eficiente en una foto de gran altitud? Python, PIL y JPEG en Heroku QtWidgets.QFileDialog.getOpenFileName devuelve una tupla Python solicita manejo de excepciones No se puede instalar el paquete pyslalib usando python2.7 / MINGW en Windows 10 Eliminar el último elemento en mi lista enlazada NumPy: obtener min / max de la matriz de registros de valores numéricos ¿Qué significa * y ** antes de un nombre de variable en la firma de una función? ¿Cómo graficar con el eje x en la parte superior de la figura?

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)