URL编码请求

Question

我正在尝试从 requests 获取原始 url。这是我目前所拥有的：

res = requests.get(...)
url = urllib.unquote(res.url).decode('utf8')

然后我收到一条错误消息：

UnicodeEncodeError: 'ascii' codec can't encode characters in position 60-61: ordinal not in range(128)

原来我要求的url是：

https://www.microsoft.com/de-at/store/movies/american-pie-pr\xc3\xa4sentiert-nackte-tatsachen/8d6kgwzl63ql

下面是我尝试打印时发生的情况：

>>> print '111', res.url
111 https://www.microsoft.com/de-at/store/movies/american-pie-pr%C3%A4sentiert-nackte-tatsachen/8d6kgwzl63ql
>>> print '222', urllib.unquote( res.url )
222 https://www.microsoft.com/de-at/store/movies/american-pie-prÃ¤sentiert-nackte-tatsachen/8d6kgwzl63ql
>>> print '333', urllib.unquote(res.url).decode('utf8') 
UnicodeEncodeError: 'ascii' codec can't encode characters in position 60-61: ordinal not in range(128)

为什么会发生这种情况，我该如何解决？

Answer 1

UnicodeEncodeError: 'ascii' codec can't encode characters

您正在尝试解码已经是 Unicode 的字符串。它在 Python 3 上引发 AttributeError（unicode 字符串在那里没有 .decode() 方法）。 Python 2 尝试先使用 sys.getdefaultencoding() ('ascii') 将字符串 编码为字节，然后再将其传递给 .decode('utf8')，从而导致 UnicodeEncodeError.

简而言之，不要在 Unicode 字符串上调用 .decode()，而是使用它：

print urllib.unquote(res.url.encode('ascii')).decode('utf-8')

没有 .decode() 调用，代码会打印字节（假设将字节串传递给 unquote()），如果您的环境使用的字符编码不是 utf-8，则可能导致乱码。为避免 mojibake，始终打印 Unicode（不要将 text 打印为字节），不要在脚本中对环境的字符编码进行硬编码，即, 这里需要.decode().

There is a bug in urllib.unquote() if you pass it a Unicode string:

>>> print urllib.unquote(u'%C3%A4')
Ã¤
>>> print urllib.unquote('%C3%A4') # utf-8 output
ä

在 Python 上将字节串传递给 unquote() 2.

URL编码请求

URLDecoding requests

python

unicode

python-requests

urlencode