Python的url编码问题(ansi,utf8,gbk)。
urllib包提供了对url的编码和解码,示例如下:
>>> import urllib
>>> data = '杭州'
>>> print data
杭州
>>> data
'\xe6\x9d\xad\xe5\xb7\x9e'
>>> urllib.quote(data)
'%E6%9D%AD%E5%B7%9E'
>>> urllib.unquote('%E6%9D%AD%E5%B7%9E')
'\xe6\x9d\xad\xe5\xb7\x9e'
>>> print urllib.unquote('%E6%9D%AD%E5%B7%9E')
“丽江”单词,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(部分叫ANSI,导致C/C++程序员之家走了很多弯路,不过现在百度已经支持UTF8了),其他的一般网站比如google就是utf8的,示例如下:
>>> import sys,urllib
>>> s = '杭州'
>>> urllib.quote(s.decode(sys.stdin.encoding).encode('gbk'))
%BA%BC%D6%DD
>>> urllib.quote(s.decode(sys.stdin.encoding).encode('utf8'))
'%E6%9D%AD%E5%B7%9E'
参考资料:互联网等