urllib.quote 之后问号保留在 url 中答案

【问题标题】：Question mark remains in url after urllib.quoteurllib.quote 之后问号保留在 url 中
【发布时间】：2013-12-11 10:07:40
【问题描述】：

我正在使用 Python 解析 xml 数据，xml 文件包含 url，并且您知道 url 不能直接通过正则表达式解析，因为它们的格式不适合，有些字符会阻止解析，例如“？”， '$'、'@'。这就是为什么我使用 urllib 模块中的 urllib.quote 函数，它工作得很好，除了一个 url，我无法解释这一点。

在 urllib.quote 之前，url 如下所示：

https://randomurl.fr/?oslc_cm.properties=FORM_item

函数之后就变成这样了：

https%3A//randomurl.fr/?oslc_cm.properties=FORM_item

所以“：”被更正了，但“？”并且“=”保持原样，这会阻止解析。我觉得奇怪的是，对于其他 30 个也包含“？”的网址，它是唯一不起作用的网址。它只是把它变成“%3F”，“=”变成“%3D”。我试图改变它在 xml 文件中的位置，但它仍然是这个精确的 url，没有很好地引用。但是我注意到，如果我将 FORM_item 更改为 FORM_productCmt ，这是另一个现有 url 的属性，那么它引用它就好了。这对我来说似乎很随机，我无法弄清楚发生了什么。

有人看到这里的故障吗？

编辑

我无法转义字符，因为我正在获取一个 xml 文件并对其进行解析。这是我用来引用网址的代码：

def genElementList(self, xmldata):
        xmldata_encoded = xmldata
        p = re.compile(r'"(http.*?)"')
        urls = p.findall(xmldata)
        for url in urls:
            xmldata_encoded = str.replace(xmldata_encoded, url, urllib.quote(url))
            print xmldata_encoded + '\n'

对于每个 url，我可以看到除了一个之外，该功能都有效，始终相同。我将它与其他正确引用的 url 进行了比较，它们完全相似，除了“properties=FORM_item”部分，另一个是“properties=FORM_productCmt”。这就是为什么我无法理解它是如何工作的。

【问题讨论】：

“你知道 url 不能直接通过正则表达式解析” - 我很确定这不是真的。正则表达式非常适合解析? 或$ 等字符。只是如果你想在一个正则表达式中包含这样的字符，你需要对它们进行转义。
该功能在我尝试时可以正常工作。您确定该字符串包含您认为的内容吗？运行 print repr(the_troublesome_string) 并告诉我们你得到了什么。
引用此输入 URL 也没有问题。我猜这是猎鬼。投反对票。
您可能想使用re.escape，而不是urllib.quote。
“我无法转义字符，因为我正在获取一个 xml 文件并对其进行解析” - 除非您从 xml 文件中读取您的正则表达式（为什么要这样做？），这不是问题。

标签： python xml regex url quote

【解决方案1】：

谢谢，用户 2357112 你帮我看看是什么问题，我通过将 substring 函数的 count 参数设置为 1 解决了 substring 问题：

p = re.compile(r'"(http.*?)"')
        urls = p.findall(xmldata)
        for url in urls:
            xmldata_encoded = str.replace(xmldata_encoded, url, urllib.quote(url), 1)

【讨论】：