URL编码的小脚本

可可熊

很多时候我们会遇到类似这样的字符串“%E5%8F%AF%E5%8F%AF%E7%86%8A”，如果你稍有经验就应该知道这是URL编码的汉字.

URL编码的产生是因为在URL只有少量的字符可以被使用:
"...Only alphanumerics [0-9a-zA-Z], the special characters "$-_.+!*'()," [not including the quotes - ed], and reserved characters used for their reserved purposes may be used unencoded within a URL."

http://www.blooberry.com/indexdot/html/topics/urlencoding.htm这里有一篇介绍URL编码的文章。

为了方便把“%E5%8F%AF%E5%8F%AF%E7%86%8A”这样的字符串转换为我们可读字符串，我写了这个小工具；同时可以做反向的转换。例如把"可可熊"转换为“%E5%8F%AF%E5%8F%AF%E7%86%8A”。

做个示例,使用该程序在命令行下获取“\”的URL编码：
[cocobear@cocobear sn]$ ./url2read.py -r ""'\'""
GBK:
%5C
UTF8:
%5C

注意这里由于存在shell的解释，需要这样把“\”围起来。

这个脚本可以很好的在Linux与Windows下使用，贴代码：

1. 
   
2. #!/usr/bin/env python
   
3. #coding: utf-8
   
4. #author:        cocobear
   
5. #version:       0.1
   
6. 
   
7. import urllib
   
8. import sys,getopt,re
   
9. __doc__ = """Usage:
   
10.             ./url2read.py -h
    
11.             ./url2read.py -r [url]ftp://cocobear.info/[/url]中国
    
12.             ./url2read.py [url]http://cocobear.info/%E4%B8%AD%E5%9B%BD[/url]
    
13.         """
    
14. 
    
15. def url2read(s):
    
16. 
    
17.     s = urllib.unquote(s)
    
18.     try:
    
19.             s = s.decode('utf-8')
    
20.     except UnicodeDecodeError:
    
21.             s = s.decode('gbk')
    
22.     finally:
    
23.             print s.encode(sys.stdin.encoding)
    
24. 
    
25. 
    
26. def read2url(s):
    
27.     head = ''
    
28.     g = re.search('^(http|ftp://)(.*)',s)
    
29.     if g:
    
30.         head = g.group(1)
    
31.         s = g.group(2)
    
32.     gbk = urllib.quote(s.decode(sys.stdin.encoding).encode('gbk'))
    
33. 
    
34.     utf8 = urllib.quote(s.decode(sys.stdin.encoding).encode('utf-8'))
    
35.     if gbk == utf8:
    
36.         print head+gbk
    
37.         return 0
    
38.     else:
    
39.         print "UTF8:\n"+head+utf8
    
40.         print "GBK:\n"+head+gbk
    
41.         return 0
    
42. 
    
43. def main(argv=None):
    
44.     f = False
    
45.     if len(sys.argv) < 2:
    
46.         print __doc__
    
47.         return 1
    
48.     try:
    
49.         opts,args = getopt.getopt(sys.argv[1:],"h,r",["help","reverse"])
    
50.     except getopt.error,msg:
    
51.         print msg
    
52.         print __doc__
    
53.         return 1
    
54.     for o,a in opts:
    
55.         if o in ("-h","--help"):
    
56.             print __doc__
    
57.             return 0
    
58.         if o in ("-r","--reverse"):
    
59.             f = True
    
60.     for arg in args:
    
61.         if f:
    
62.             return read2url(arg)
    
63.         else:
    
64.             return url2read(arg)
    
65.    
    
66.    
    
67. if __name__ == "__main__":
    
68.     sys.exit(main())
    
69. 
    
70. 
    

复制代码

[ 本帖最后由 可可熊 于 2008-8-11 17:18 编辑 ]

xiaoyu9805119

先感谢下分享。。

提个小建议：修改下，呵呵，从你博客直接考过来的可能显示会有问题。

源码也不好下载，apache报错。

retuor

那句：

1. 
   
2. if gbk==utf8
   

复制代码

是为了无中文时只打印一行？

可可熊

嗯，呵；

可可熊

源码是DH的服务器会对py文件进行解释，所以不能下载；
就不提供那个下载了；

retuor

代码结构严谨，赞。

要是多一些这种帖子，python 版就会越来越好。

cjcse

我们设备里面大量这种解码，不过是用C写的，其实不止url里面采用这样的编码，很多http post数据也采用hex编码，http post采用的编码包括unicode、mime、xml，其中unicode基本上都是hex编码。

可可熊

嗯，HTTP里GET和POST数据都是要经过URL编码的；

pigvip

学了啊

9119111

初学啊。能加上注释那更好。
谢谢分享