URL编码/解码详解 |
您所在的位置：网站首页 › url支持的特殊字符有哪些 › URL编码/解码详解 |
|
当 URL 路径或者查询参数中，带有中文或者特殊字符的时候，就需要对 URL 进行编码（采用十六进制编码格式）。URL 编码的原则是使用安全字符去表示那些不安全的字符。
安全字符，指的是没有特殊用途或者特殊意义的字符。 URL基本组成 URL 是由一些简单的组件构成，比如协议、域名、端口号、路径和查询字符串等，示例如下： http://www.biancheng.net/index?param=10 路径和查询字符串之间使用问号?隔开。上述示例的域名为 www.biancheng.net，路径为 index，查询字符串为 param=1。 URL 中规定了一些具有特殊意义的字符，常被用来分隔两个不同的 URL 组件，这些字符被称为保留字符。例如： 冒号：用于分隔协议和主机组件，斜杠用于分隔主机和路径 ?：用于分隔路径和查询参数等。 =用于表示查询参数中的键值对。 &符号用于分隔查询多个键值对。 其余常用的保留字符有：/ . ... # @ $ + ; % 哪些字符需要编码 URL 之所以需要编码，是因为 URL 中的某些字符会引起歧义，比如 URL 查询参数中包含了”&”或者”%”就会造成服务器解析错误；再比如，URL 的编码格式采用的是 ASCII 码而非 Unicode 格式，这表明 URL 中不允许包含任何非 ASCII 字符（比如中文），否则就会造成 URL 解析错误。 URL 编码协议规定（RFC3986 协议）：URL 中只允许使用 ASCII 字符集可以显示的字符，比如英文字母、数字、和- _ . ~ ! *这 6 个特殊字符。当在 URL 中使用不属于 ASCII 字符集的字符时，就要使用特殊的符号对该字符进行编码，比如空格需要用%20来表示。 除了无法显示的字符需要编码外，还需要对 URL 中的部分保留字符和不安全字符进行编码。下面列举了部分不安全字符： [ ] < > " " { } | \ ^ * · ‘ ’ 等 下面示例，查询字符串中包含一些特殊字符，这些特殊字符不需要编码： http://www.biancheng.net/index?param=10!*¶m1=20!-~_ 下表对 URL 中部分保留字符和不安全字符进行了说明： URL特殊字符编码 字符 含义 十六进制值编码 + URL 中 + 号表示空格 %2B 空格 URL中的空格可以编码为 + 号或者 %20 %20 / 分隔目录和子目录 %2F ? 分隔实际的 URL 和参数 %3F % 指定特殊字符 %25 # 表示书签 %23 & URL 中指定的参数间的分隔符 %26 = URL 中指定参数的值 %3D 下面简单总结一下，哪些字符需要编码，分为以下三种情况： ASCII 表中没有对应的可显示字符，例如，汉字。 不安全字符，包括：# ”% [] {} | \ ^ ` 。 部分保留字符，即 & / : ; = ? @ 。 Python实现编码与解码 Python 的标准库urllib.parse模块中提供了用来编码和解码的方法，分别是 urlencode() 与 unquote() 方法。 方法 说明 urlencode() 该方法实现了对 url 地址的编码操作 unquote() 该方法将编码后的 url 地址进行还原，被称为解码 1) 编码urlencode() 下面以百度搜索为例进行讲解。首先打开百度首页，在搜索框中输入“爬虫”，然后点击“百度一下”。当搜索结果显示后，此时地址栏的 URL 信息，如下所示：https://www.baidu.com/s?wd=爬虫&rsv_spt=1&rsv_iqid=0xa3ca348c0001a2ab&issp=1&f=8&rsv_bp=1&rsv_idx=2&ie=utf-8&tn=baiduhome_pg&rsv_enter=1&rsv_dl=ib&rsv_sug3=8&rsv_sug1=7&rsv_sug7=101 可以看出 URL 中有很多的查询字符串，而第一个查询字符串就是“wd=爬虫”，其中 wd 表示查询字符串的键，而“爬虫”则代表您输入的值。 在网页地址栏中删除多余的查询字符串，最后显示的 URL 如下所示：https://www.baidu.com/s?wd=爬虫 使用搜索修改后的 URL 进行搜索，依然会得到相同页面。因此可知“wd”参数是百度搜索的关键查询参数。下面编写爬虫程序对 “wd=爬虫”进行编码，如下所示： #导入parse模块 from urllib import parse #构建查询字符串字典 query_string = { 'wd' : '爬虫' } #调用parse模块的urlencode()进行编码 result = parse.urlencode(query_string) #使用format函数格式化字符串，拼接url地址 url = 'http://www.baidu.com/s?{}'.format(result) print(url) 输出结果，如下所示：wd=%E7%88%AC%E8%99%AB http://www.baidu.com/s?wd=%E7%88%AC%E8%99%AB 编码后的 URL 地址依然可以通过地网页址栏实现搜索功能。 除了使用 urlencode() 方法之外，也可以使用 quote(string) 方法实现编码，代码如下： from urllib import parse #注意url的书写格式，和 urlencode存在不同 url = 'http://www.baidu.com/s?wd={}' word = input('请输入要搜索的内容:') #quote()只能对字符串进行编码 query_string = parse.quote(word) print(url.format(query_string)) 输出结果如下： 输入：请输入要搜索的内容:编程帮www.biancheng.net 输出：http://www.baidu.com/s?wd=%E7%BC%96%E7%A8%8B%E5%B8%AEwww.biancheng.net 注意：quote() 只能对字符串编码，而 urlencode() 可以直接对查询字符串字典进行编码。因此在定义 URL 时，需要注意两者之间的差异。方法如下： # urllib.parse urllib.parse.urlencode({'key':'value'}) #字典 urllib.parse.quote(string) #字符串 2) 解码unquote(string) 解码是对编码后的 URL 进行还原的一种操作，示例代码如下： from urllib import parse string = '%E7%88%AC%E8%99%AB' result = parse.unquote(string) print(result) 输出结果：爬虫 3) URL地址拼接方式 最后，给大家介绍三种拼接 URL 地址的方法。除了使用 format() 函数外，还可以使用字符串相加，以及字符串占位符，总结如下： # 1、字符串相加 baseurl = 'http://www.baidu.com/s?' params='wd=%E7%88%AC%E8%99%AB' url = baseurl + params # 2、字符串格式化（占位符） params='wd=%E7%88%AC%E8%99%AB' url = 'http://www.baidu.com/s?%s'% params # 3、format()方法 url = 'http://www.baidu.com/s?{}' params='wd=%E7%88%AC%E8%99%AB' url = url.format(params) |
今日新闻 |
推荐新闻 |
| CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |