url在线编码解码工具(原来可以这样做url中文解码)

大家做爬虫时,是不是也遇到过url是中文,然后在显示时转码了的情况,一长串字符,根本就不知道是什么,要验证的时候很不方便,这里分享一下我的处理方法。

一、尝试

一长串字符,首先想到用在线unicode转中文,结果还是不知道是什么. 原内容:

%5B9500%5D%5B552e%5D%5B6307%5D%5B6807%5D%5B5b8c%5D%5B6210%5D%5B7387%5D111 %5B8d39%5D%5B7528%5D%5B989d%5D%5B5ea6%5D%5B67e5%5D%5B8be2%5D

转后:

[9500][552e][6307][6807][5b8c][6210][资源之家】每日免费更新最热门的副业项目资源7387]111 [8d39][7528][989d][5ea6][67e5][8be2]

心想这是什么东西?

难道就这样失败了?

仔细看看内容,四个字,四个字的,是不是有点像unicode?可是中括号是什么鬼?

试着拿一个数试试, \u9500.

果然,不是巧合,真的就是unicode, 可是这么多括号,手动解决是不可能的。

二、怎么才能去除括号并且换上 \u呢?

当然首选是pyhton, 上代码:

首先,我们引入要用的包,这里主要是两个包,parse用来做第一遍转码,转成带括号的形式。然后使用re.sub对括号进行替换和消除。

输出:

其实应该有方法再转一次输出中文的,可是一时半会没找到方法。资源之家】每日免费更新最热门的副业项目资源只能用笨办法了,复制输出的内容到在线unicode转中文。

成功了,原来是这样。

三、 转机

就在我打算先这么样的时候,一个朋友给出了一个方法。

谢谢 @程序员喜欢猫 的帮助,使用json 可以顺利的解析出中文,不用反复使用 在线unicode转中文 。 新的代码也放到下面:

四、结果:

很明显中文已经解析出来了,不用再去 在线unicode转中文 了, 完美,再次感谢 @程序员喜欢猫

五、再进一步

果然是方法总比问题多,经过 @程序员喜欢猫 的提醒,我想应该方法不止这些,又上网搜索了下,果然,也有小伙伴遇到这个问题,具体可见

https://www.zhihu.com/question/26921730于是现资源之家】每日免费更新最热门的副业项目资源改进方法:

六、效果:

注意:

这里需要注意的是, 如mailto1587 说的: 先检查text是什么类型如果 type(text)isbytes,那么 text.decode(unicode_escape)如果 type(text)isstr,那么 text.encode(latin-1).decode(unicode_escape)用这种方法可以不用引入 json , 理解起来更自然点。

七、后记:

这次的问题其实还是比较简单的,但是我们在做爬虫的过程中,这种问题层出不穷,怎么以简便快捷的方式处理问题就很重要了,但是在处理好问题后,我们还可以进一步研究,怎么才能做的更好,进步就再这一点点。

发表回复

后才能评论