URL 编码和取消缩短

Question

我有一些链接是从站点地图和推特上收集的。问题是有些链接是阿拉伯语的，比如这个：

https://www.aljazeera.net/videos/2021/3/1/ياقوتيا-مدينة-روسية-يتجمد-فيها-كل-شيء

我正在尝试取消缩短的 Twitter 链接并解码阿拉伯语编码链接以获得如下所示的链接：

https://www.aljazeera.net/videos/2021/3/1/%D9%8A%D8%A7%D9%82%D9%88%D8%AA%D9%8A%D8%A7-%D9%85%D8%AF%D9%8A%D9%86%D8%A9-%D8%B1%D9%88%D8%B3%D9%8A%D8%A9-%D9%8A%D8%AA%D8%AC%D9%85%D8%AF-%D9%81%D9%8A%D9%87%D8%A7-%D9%83%D9%84-%D8%B4%D9%8A%D8%A1

Answer 1

如果您的目标是将其中包含奇数字符的 url 转换为 %XX 格式，您可以使用 python 的内置函数，urllib, 解码 link:

>>> import urllib
>>> oddlink = 'https://www.aljazeera.net/videos/2021/3/1/ياقوتيا-مدينة-روسية-يتجمد-فيها-كل-شيء'
>>> goodlink = urllib.parse.quote(oddlink)
>>> print(goodlink)
https%3A//www.aljazeera.net/videos/2021/3/1/%D9%8A%D8%A7%D9%82%D9%88%D8%AA%D9%8A%D8%A7-%D9%85%D8%AF%D9%8A%D9%86%D8%A9-%D8%B1%D9%88%D8%B3%D9%8A%D8%A9-%D9%8A%D8%AA%D8%AC%D9%85%D8%AF-%D9%81%D9%8A%D9%87%D8%A7-%D9%83%D9%84-%D8%B4%D9%8A%D8%A1

请记住，它会将 https 之后的 : 解析为 %3A。您可以手动覆盖它：

>>> goodlink = goodlink[0:5] + ':' + goodlink[6:]
>>> print(goodlink)
https://www.aljazeera.net/videos/2021/3/1/%D9%8A%D8%A7%D9%82%D9%88%D8%AA%D9%8A%D8%A7-%D9%85%D8%AF%D9%8A%D9%86%D8%A9-%D8%B1%D9%88%D8%B3%D9%8A%D8%A9-%D9%8A%D8%AA%D8%AC%D9%85%D8%AF-%D9%81%D9%8A%D9%87%D8%A7-%D9%83%D9%84-%D8%B4%D9%8A%D8%A1

或者，您可以将 : 添加为 'safe' 字符，这意味着 urllib.parse 将忽略它，并保留它：

>>> urllib.parse.quote(oddlink, safe='/:')

/ 是安全字符的一部分，因为它是 link 非常重要的一部分：

https://www.google.com/ #with slash
https:%2F%2Fwww.google.com%2F #without slash

/字符默认包含在安全字符中，但在更改安全字符时，需要确保包含它。

URL 编码和取消缩短

URL encoding and unshortening

python

python-3.x

urllib