我可以在python 2.6.5中为urllib.quote和urllib.unquote使用可用于Unicode的替代方法吗？

Question

Pythonurllib.quote和urllib.unquote不能在Python 2.6.5中正确处理Unicode。这是发生了什么：

In [5]: print urllib.unquote(urllib.quote(u'Cataño'))
---------------------------------------------------------------------------
KeyError                                  Traceback (most recent call last)

/home/kkinder/<ipython console> in <module>()

/usr/lib/python2.6/urllib.pyc in quote(s, safe)
   1222             safe_map[c] = (c in safe) and c or ('%%%02X' % i)
   1223         _safemaps[cachekey] = safe_map
-> 1224     res = map(safe_map.__getitem__, s)
   1225     return ''.join(res)
   1226

KeyError: u'\xc3'

将值编码为UTF8也不起作用：

In [6]: print urllib.unquote(urllib.quote(u'Cataño'.encode('utf8')))
Cataño

它被认为是错误，并且有修复程序，但不适用于我的Python版本。

我想要的是类似于urllib.quote / urllib.unquote的东西，但是可以正确处理unicode变量，因此该代码可以正常工作：

decode_url(encode_url(u'Cataño')) == u'Cataño'

有什么建议吗？

Answer 1

Python的urllib.quote和urllib.unquote无法正确处理Unicode

urllib根本不处理Unicode。根据定义，URL不包含非ASCII字符。在处理时，urllib应仅使用字节字符串。如果希望这些字符代表Unicode字符，则必须手动对其进行编码和解码。

IRI可以包含非ASCII字符，将它们编码为UTF-8序列，但是Python目前没有irilib。

将值编码为UTF8也不起作用：

In [6]: print urllib.unquote(urllib.quote(u'Cataño'.encode('utf8')))
Cataño

嗯，好了，现在您要在控制台中输入Unicode，然后print对控制台执行-
Unicode。通常这是不可靠的，尤其是在Windows中以及使用IPython控制台的情况下。

使用反斜杠序列将其键入很长的距离，您可以更容易地看到该urllib位确实起作用：

>>> u'Cata\u00F1o'.encode('utf-8')
'Cata\xC3\xB1o'
>>> urllib.quote(_)
'Cata%C3%B1o'

>>> urllib.unquote(_)
'Cata\xC3\xB1o'
>>> _.decode('utf-8')
u'Cata\xF1o'