如何在Python中使用urllib模塊對URL網址中的中文進行解碼

今天就跟大家聊聊有關如何在Python中使用urllib模塊對URL網址中的中文進行解碼，可能很多人都不太了解，為了讓大家更加了解，小編給大家總結了以下內容，希望大家根據這篇文章可以有所收獲。

URL網址鏈接中的中文編碼說明

中文的gbk(GB2312)編碼： 一個漢字對應兩組%xx，即%xx%xx

中文的UTF-8編碼： 一個漢字對應三組%xx，即%xx%xx%xx

可以利用百度進行URL編碼解碼 默認gbk

https://www.baidu.com/s?wd=%E4%B8%AD%E5%9B%BD

python3編碼解碼示例

# -*- coding: utf-8 -*-

# @File  : urldecode_demo.py
# @Date  : 2018-05-11

from urllib.request import quote, unquote

# 編碼

url1 = "https://www.baidu.com/s?wd=中國"

# utf8編碼，指定安全字符
ret1 = quote(url1, safe=";/?:@&=+$,", encoding="utf-8")
print(ret1)
# https://www.baidu.com/s?wd=%E4%B8%AD%E5%9B%BD

# gbk編碼
ret2 = quote(url1, encoding="gbk")
print(ret2)
# https%3A//www.baidu.com/s%3Fwd%3D%D6%D0%B9%FA


# 解碼
url3 = "https://www.baidu.com/s?wd=%E4%B8%AD%E5%9B%BD"

ret3 = unquote(url3, encoding='utf-8')
print(ret3)
# https://www.baidu.com/s?wd=中國

實例中我們使用到了urllib模塊和urllib.unquote()函數

import urllib
rawurl=xxx
url=urllib.unquote(rawurl)

所用模塊：urllib

所用函數：urllib.unquote()

案例

import urllib
rawurl = "%E6%B2%B3%E6%BA%90"
url = urllib.unquote(rawurl)
print url

輸出

河源

urllib.unquote()目的是對url編碼進行解碼，與該函數對應的是編碼函數urllib.quote（）

>>> import urllib
>>> urllib.quote("河源")
'%E6%B2%B3%E6%BA%90

問題擴展

URL為何要編碼、解碼？

通常如果一樣東西需要編碼，說明這樣東西并不適合傳輸。原因多種多樣，如Size過大，包含隱私數據。對于Url來說，之所以要進行編碼，是因為Url中有些字符會引起歧義。

例如，Url參數字符串中使用key=value鍵值對這樣的形式來傳參，鍵值對之間以&符號分隔，如/s?q=abc&ie=utf-8。如果你的value字符串中包含了=或者&，那么勢必會造成接收Url的服務器解析錯誤，因此必須將引起歧義的&和=符號進行轉義，也就是對其進行編碼。

又如，Url的編碼格式采用的是ASCII碼，而不是Unicode，這也就是說你不能在Url中包含任何非ASCII字符，例如中文。否則如果客戶端瀏覽器和服務端瀏覽器支持的字符集不同的情況下，中文可能會造成問題。

看完上述內容，你們對如何在Python中使用urllib模塊對URL網址中的中文進行解碼有進一步的了解嗎？如果還想了解更多知識或者相關內容，請關注億速云行業資訊頻道，感謝大家的支持。