python 如何处理url的中文

今天要处理百度贴吧的东西。想要做一个关键词的list，每次需要时，直接添加 到list里面就可以了。但是添加到list里面是中文的情况（比如‘丽江’），url的地址编码却是’%E4%B8%BD%E6%B1%9F’，因此需 要做一个转换。这里我们就用到了模块urllib。

import urllib
data = ‘丽江’
print data
丽江

data
‘\xe4\xb8\xbd\xe6\xb1\x9f’

urllib.quote(data)
‘%E4%B8%BD%E6%B1%9F’
那我们想转回去呢？

urllib.unquote(’%E4%B8%BD%E6%B1%9F’)
‘\xe4\xb8\xbd\xe6\xb1\x9f’

printurllib.unquote(’%E4%B8%BD%E6%B1%9F’)
丽江
细心的同学会发现贴吧url中出现的是%C0%F6%BD%AD，而非’%E4%B8%BD%E6%B1%9F’，其实是编码问题。百度的是gbk，其他的一般网站比如google就是utf8的。所以可以用下列语句实现。

import sys,urllib
s = ‘丽江’
urllib.quote(s.decode(sys.stdin.encoding).encode(‘gbk’))
‘%C0%F6%BD%AD’

urllib.quote(s.decode(sys.stdin.encoding).encode(‘utf8’))
‘%E4%B8%BD%E6%B1%9F’

另一个方法
#!/usr/bin/python
import urllib
import sys
string = sys.argv[1]
string = unicode(string,“gbk”)
utf8_string = string.encode(“utf-8”)
gbk_string=string.encode(“gbk”)
gbk=urllib.quote(gbk_string)
utf8=urllib.quote(utf8_string)
print gbk
print utf8