您现在的位置: 破洛洛 >> 服务器 >> WEB服务器 >> 正文

python中urllib.unquote乱码的原因与解决方案

作者:佚名 来源:网络整理 更新时间:2017-5-26
分享到

 发现问题

Python中的urllib模块用来处理url相关的操作,unquote方法对应javascript中的urldecode方法,它对url进行解码,把类似"%xx"的字符替换成单个字符,例如:“%E6%B3%95%E5%9B%BD%E7%BA%A2%E9%85%92”解码后会转换成“法国红酒”,但是使用过程中,如果姿势不对,最终转换出来的字符会是乱码“法国红酔。

笔者在一个真实的Tornado应用中就遇到了这样的问题,浏览器通过请求传递到后台后,获取参数的值后:

?
1 2 3 name = self.get_argument("name", "") name = urllib.unquote(name) # save to db

name的值打印出来的显示的是:“%E6%B3%95%E5%9B%BD%E7%BA%A2%E9%85%92”,看起来没什么问题,但结果最终保存到数据库中的时候就成了一串乱码“法国红酔,这个问题实在是让人百思不得其解。

原因分析

于是想用直接编码的字符来处理看看是否会出现乱码:

?
1 2 3 name = '%E6%B3%95%E5%9B%BD%E7%BA%A2%E9%85%92' name = urllib.unquote(name) # save to db

发现这种方式处理没有任何问题,name的值解码之后就是“法国红酒”,经过一番思考,原因只可能是出在self.get_argument("name")这处代码段了。原来,get_argument默认返回的是值的类型是unicode,而unquote方法处理unicode类型的字符时,直接返回的就是:

?
1 u'\xe6\xb3\x95\xe5\x9b\xbd\xe7\xba\xa2\xe9\x85\x92'

注意:这里返回的值类型是unicode,也就是说unquote方法接收参数类型是unidoe,返回的值类型也是unicode,只不过是把"%"替换成了'\x',最终由:

?
1 u"%E6%B3%95%E5%9B%BD%E7%BA%A2%E9%85%92"

替换为了:

?
1 u"\xe6\xb3\x95\xe5\x9b\xbd\xe7\xba\xa2\xe9\x85\x92"

而u"\xe6\xb3\x95\xe5\x9b\xbd\xe7\xba\xa2\xe9\x85\x92"完全就是一个ascii码字符串,只不过是用16进制表示的,我们再来看看'e6','b3'....分别对应ascii中的什么字符。你可以参考网址:http://www.ascii-code.com,'e6'是一个扩展的ascii字符,在128-255区间范围内,他对应的符号就是'æ'

?
1 2 DEC OCT HEX BIN Symbol 230 346 E6 11100110 æ

现在你应该明白为什么会生成乱码字符:

?
1 法国红é

解决办法

在调用self.get_argument('name')方法之后,把返回的值转换成str类型:

?
1 2 3 4 name = self.get_argument("name", "") name = str(name) name = urllib.unquote(name) # save to db

转换称str类型的字符串之后,相当于调用:

?
1 2 3 '\xe6\xb3\x95\xe5\x9b\xbd\xe7\xba\xa2\xe9\x85\x92'.decode("utf-8")   >>> u'\u6cd5\u56fd\u7ea2\u9152'
转载请注明:破洛洛(谢谢合作)
网友评论: