解码包含 Unicode 字符的 URL

Question

我在 Mako 模板中有以下代码：

<a href="#" onclick='getCompanyHTML("${fund.investments[inv_name].name | u}"); return false;'>${inv_name}</a>

这会将 url 转义应用于代表公司的对象的名称字符串。然后在 url 中使用生成的转义字符串。 Mako 文档指出，url 编码是使用urllib.quote_plus(string.encode('utf-8')) 提供的。

在服务器上，我在参数investment_name 中收到公司名称部分：

def Investment(client, fund_name, investment_name, **kwargs):
    client          = urllib.unquote_plus(client)
    fund_name       = urllib.unquote_plus(fund_name)
    investment_name = urllib.unquote_plus(investment_name)

然后，我使用investment_name 作为键返回到模板中从中提取它的同一个字典。

这适用于所有标准情况，例如公司名称中的空格、斜杠和单引号。但是，如果公司名称包含 ascii 字符集之外的 unicode 字符，则会失败。

例如，公司名称“Eptisa Servicios de Ingeniería S.L.”的网址呈现为“Eptisa+Servicios+de+Ingenier%C3%ADa+S.L.”当此值返回服务器时，我正在反转 url 转义但显然无法正确解码 unicode，因为我尝试将结果用作字典键会产生键错误。

我试过以这两种形式添加 unicode 解码，但没有运气：

    investment_name = urllib.unquote_plus(investment_name.decode('utf-8'))
    investment_name = urllib.unquote_plus(investment_name.encode('raw_unicode_escape').decode('utf-8'))

谁能建议我必须对“Eptisa+Servicios+de+Ingenier%C3%ADa+S.L.”做什么把它改回“Eptisa Servicios de Ingeniería S.L.”？

Answer 1

以相反的顺序执行：首先取消引用然后.decode('utf-8')

不要混合使用字节和 Unicode 字符串。

示例

import urllib

q = "Eptisa+Servicios+de+Ingenier%C3%ADa+S.L."
b = urllib.unquote_plus(q)
u = b.decode("utf-8")
print u

注意：print u 可能会产生 UnicodeEncodeError。修复它：

print u.encode(character_encoding_your_console_understands)

或者设置PYTHONIOENCODING环境变量。

在 Unix 上，您可以尝试将 locale.getpreferredencoding() 作为字符编码，在 Windows 上查看 chcp 的输出