エスケープ文字を含むURLを含むリストがあります。これらの文字は、HTMLページを回復したときにurllib2.urlopenによって設定されています：URLにエスケープ文字をデコードする
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
はPythonで、アンエスケープ形式にそれらをバック変換する方法はありますか？
P.S：URLがUTF-8
urllib.unquote(ストリング)でエンコードされ、それらの単一文字分だけ
%xxエスケープを交換します。例：
unquote('/%7Econnolly/')は、'/~connolly/'である。
次にデコードしてください。
更新：Pythonの3のために 、次のように書きます。
urllib.parse.unquote(url)
あなたはurllib.unquote
私はunquoteを使用すると（この方法で感謝します...）、この文字列を表示しますhttp：//sample.com/index.php？title = \ xe9 \ xa6 \ x96 \ xe9 \ xa1 \ xb5＆action = ediと私は彼らが中国の文字だと知っています...どうすればそれらを見ることができますか？私はこれがユニコードだと思いますよね？ – dyoser
これはあなたの質問にはすでにあります。これらはUTF-8バイトです。あなたは 'b" \ xe9 \ xa6 \ x96 \ xe9 \ xa1 \ xb5 ".decode（" utf-8 "）'（最近のPython構文を使用しています）でUnicode文字列に変換することができます。 – tripleee
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)
必要なものを、おそらくもっと慎重に処理するライブラリが組み込まれていると、なぜ手動でregexとlambdaを使用するのですか？ –
クールなソリューション！ 'urllib2'は標準的なpython distriの一部ではありません。 「再」は。 – cxxl
かurllib.unquote_plusを使用することができます
>>> 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)'
そして、あなたはあなたが使用することができPython3を使用している場合：
urllib.parse.unquote(url)
また、 'urllib.request.unquote' – Ben
にunquoteショー私がsample.com/index.php?title=\xe9\xa6\x96\xe9\xa1上記の言ったように\ XB5＆アクション= EDIは...多分私はこのケースでは非常によく自分自身を説明していませんでした...しかし、URLは中国の一つであり、私はそれをデコードしたいのは、元のchar、あなたがこれを配置する必要があり@dyoserないにunquote 1 – dyoser
ですあなたの質問で。 –
@ root45これは1つの答えに対するコメントです...だからここで良いです。ご理解いただきありがとうございます。 – dyoser