R中的URL / URI编码

Question

我必须根据 RFC 3986 请求具有 URL 编码的 API，因为我知道我的查询中有重音字符。

例如，这个论点：

quel écrivain ?

应该这样编码：

quel%20%C3%A9crivain%20%3F%0D%0A

不幸的是，当我使用 URLencode、encoding、url_encode 或 curlEscape 时，我得到了结果编码：

URLencode("quel écrivain ?")
[1] "quel%20%E9crivain%20?"

问题出在重音字母上：例如“é”被转换为“%E9”而不是“%C3%A9”...

我在处理这种 URL 编码时遇到了问题，但没有发现任何问题……因为我没有掌握 API，所以我不知道它如何处理编码。

奇怪的是，使用 POST 而不是 GET 会导致响应中带有重音的单词被分成两行：

"1\tquel\tquel\tDET\tDET\tGender=Masc|Number=Sing\t5\tdet\t0\t_\n4\t<U+FFFD>\t<U+FFFD>\tSYM\tSYM\t_\t5\tcompound\t0\t_\n5\tcrivain\tcrivain\

如您所见，“écrivain”分为"<U+FFFD>"（这是“é”的ASCII编码）和"crivain"。

我对这个编码问题感到很生气，如果有聪明的头脑可以帮助我，我将非常感激！

Answer 1

设置reserved = TRUE

即

your_string <- "quel écrivain ?"

URLencode(your_string, reserved = TRUE)
# [1] "quel%20%C3%A9crivain%20%3F"

Answer 2

我不认为我是一个聪明的头脑，但我仍然有一个可能的解决方案给你。在使用URLencode() 之后，您的重音字符似乎被转换为其unicode 表示的尾随部分，前面有%。要将您的字符转换为可读字符，您可以将它们转换为“真正的 unicode”并使用包 stringi 使它们可读。对于您的单个字符串，该解决方案至少可以在我的机器上运行。我希望它也对你有用。

请注意，我在您的字符串末尾引入了一个% 字符，以证明gsub 下面的命令在任何情况下都应该有效。

您可能需要调整替换模式 \\u00 以覆盖最后两个位置以上的 unicode 模式，但 0，如果这与您的情况相关。

library(stringi)
str <- "quel écrivain ?"
str <- URLencode(str)
#"quel%20%E9crivain%20?"
#replacing % by a single \ backslash to directly get correct unicode representation
#does not work since it is an escape character, therefore "\\"
str <- gsub("%", paste0("\\", "u00"), str , fixed = T)
#[1] "quel\\u0020\\u00E9crivain\\u0020?"
#since we have double escapes, we need the unescape function from stringi
#which recognizes double backslash as single backslash for the conversion
str <- stri_unescape_unicode(str)
#[1] "quel écrivain ?"