Python urlparse.parse_qs unicode url答案

【问题标题】：Python urlparse.parse_qs unicode urlPython urlparse.parse_qs unicode url
【发布时间】：2013-05-12 22:55:52
【问题描述】：

urlparse.parse_qs 对解析 url 参数很有用，它适用于简单的 ASCII url，由str 表示。所以我可以解析一个查询，然后使用解析数据中的urllib.urlencode 构造相同的路径：

>>> import urlparse
>>> import urllib
>>>
>>> path = '/?key=value' #path is str
>>> query = urlparse.urlparse(path).query
>>> query
'key=value'
>>> query_dict = urlparse.parse_qs(query)
>>> query_dict
{'key': ['value']}
>>> '/?' + urllib.urlencode(query_dict, doseq=True)
'/?key=value' # <-- path is the same here

当 url 包含百分比编码的非 ASCII 参数时，它也可以正常工作：

>>> value = urllib.quote(u'значение'.encode('utf8'))
>>> value
'%D0%B7%D0%BD%D0%B0%D1%87%D0%B5%D0%BD%D0%B8%D0%B5'
>>> path = '/?key=%s' % value
>>> path
'/?key=%D0%B7%D0%BD%D0%B0%D1%87%D0%B5%D0%BD%D0%B8%D0%B5'
>>> query = urlparse.urlparse(path).query
>>> query
'key=%D0%B7%D0%BD%D0%B0%D1%87%D0%B5%D0%BD%D0%B8%D0%B5'
>>> query_dict = urlparse.parse_qs(query)
>>> query_dict
{'key': ['\xd0\xb7\xd0\xbd\xd0\xb0\xd1\x87\xd0\xb5\xd0\xbd\xd0\xb8\xd0\xb5']}

>>> '/?' + urllib.urlencode(query_dict, doseq=True)
'/?key=%D0%B7%D0%BD%D0%B0%D1%87%D0%B5%D0%BD%D0%B8%D0%B5'  # <-- path is the same here

但是，当使用 django 时，我使用 request.get_full_path() 获取 url，它返回路径为 unicode 字符串：

>>> path = request.get_full_path()
>>> path
u'/?key=%D0%B7%D0%BD%D0%B0%D1%87%D0%B5%D0%BD%D0%B8%D0%B5' # path is unicode

看看现在会发生什么：

>>> query = urlparse.urlparse(path).query
>>> query
u'key=%D0%B7%D0%BD%D0%B0%D1%87%D0%B5%D0%BD%D0%B8%D0%B5'
>>> query_dict = urlparse.parse_qs(query)
>>> query_dict
{u'key': [u'\xd0\xb7\xd0\xbd\xd0\xb0\xd1\x87\xd0\xb5\xd0\xbd\xd0\xb8\xd0\xb5']}
>>>

query_dict 包含 unicode 字符串，它包含字节！不是unicode点！当然，我在尝试对该字符串进行 urlencode 时遇到了 UnicodeEncodeError：

>>> urllib.urlencode(query_dict, doseq=True)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "C:\Python27\Lib\urllib.py", line 1337, in urlencode
    l.append(k + '=' + quote_plus(str(elt)))
UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-15: ordinal not in range(128)

目前我有一个解决方案：

# just convert path, returned by request.get_full_path(), to `str` explicitly:
path = str(request.get_full_path())

所以问题是：

为什么 parse_qs 返回这么奇怪的字符串（unicode，包含字节）？
将 url 转换为 str 是否安全？

【问题讨论】：

标签： python django urlencode urlparse

【解决方案1】：

编码回字节之前使用ASCII将其传递给.parse_qs()：

query_dict = urlparse.parse_qs(query.encode('ASCII'))

这与str() 的作用相同，但具有显式编码。是的，这是安全的，URL 编码使用 ASCII 代码点仅。

parse_qs 被传递了一个 Unicode 值，所以它也返回了一个 unicode 值；解码字节不是它的工作。

【讨论】：