print - python raw string

Decodificar caracteres escapados en URL

Question

Tengo una lista que contiene URLs con caracteres escapados en ellos. Esos caracteres han sido establecidos 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 alguna forma de transformarlos a su forma no escamada en Python?

PD: las URL están codificadas en utf-8

Answer 1

Puedes usar urllib.unquote

Answer 2

Y si está usando Python3 , puede usar:

urllib.parse.unquote(url)

Answer 3

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)''

Answer 4

Documentos oficiales

urllib.unquote( cadena )

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

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

Y luego solo descifrar.

Actualización: para Python 3, escriba lo siguiente:

urllib.parse.unquote(url)

Python 3 documentos.

Answer 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)