【一】URL 解码 / 编码详解#

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。

【二】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：

1
http://www.ccc.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.ccc.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：
  - / . … # @ $ + ; %

【三】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.ccc.net/index?param=10!*&param1=20!-~_

下表对 URL 中部分保留字符和不安全字符进行了说明：

【四】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：

1
汉字。
2

3
不安全字符，包括：# ”% <> [] {} | \ ^ ` 。
4

5
部分保留字符，即 & / : ; = ? @ 。

【五】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()
  - unquote()

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：

1
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
- 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：

1
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：

1
# -*-coding: Utf-8 -*-
2
# @File : URL编码 .py
3
# author: Chimengmeng
4
# blog_url : https://www.cnblogs.com/dream-ze/
5
# Time：2023/5/21
6

7
# 导入parse模块
8
from urllib import parse
9

10
# 构建查询字符串字典
11
query_string = {
12
    'wd': '爬虫'
13
}
14
# 调用parse模块的urlencode()进行编码
15
result = parse.urlencode(query_string)
16
# 使用format函数格式化字符串，拼接url地址
17
url = 'http://www.baidu.com/s?{}'.format(result)
18
print(url)
19

20
# 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：

1
# -*-coding: Utf-8 -*-
2
# @File : URL编码 .py
3
# author: Chimengmeng
4
# blog_url : https://www.cnblogs.com/dream-ze/
5
# Time：2023/5/21
6

7
from urllib import parse
8

9
# 注意url的书写格式，和 urlencode存在不同
10
url = 'http://www.baidu.com/s?wd={}'
11
word = input('请输入要搜索的内容:')
12
# quote()只能对字符串进行编码
13
query_string = parse.quote(word)
14
print(url.format(query_string))
15

16
# 请输入要搜索的内容:爬虫
17
# http://www.baidu.com/s?wd=%E7%88%AC%E8%99%AB

注意：

1
quote() 只能对字符串编码，
2

3
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。

1
urllib.parse.urlencode({'key':'value'}) #字典
2
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：

1
# -*-coding: Utf-8 -*-
2
# @File : URL编码 .py
3
# author: Chimengmeng
4
# blog_url : https://www.cnblogs.com/dream-ze/
5
# Time：2023/5/21
6

7
from urllib import parse
8

9
string = '%E7%88%AC%E8%99%AB'
10
result = parse.unquote(string)
11
print(result)
12

13
# 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：
- 纯文本复制

1
# -*-coding: Utf-8 -*-
2
# @File : URL编码 .py
3
# author: Chimengmeng
4
# blog_url : https://www.cnblogs.com/dream-ze/
5
# Time：2023/5/21
6

7
# 1、字符串相加
8
baseurl = 'http://www.baidu.com/s?'
9
params = 'wd=%E7%88%AC%E8%99%AB'
10
url = baseurl + params
11
# 2、字符串格式化（占位符）
12
params = 'wd=%E7%88%AC%E8%99%AB'
13
url = 'http://www.baidu.com/s?%s' % params
14
# 3、format()方法
15
url = 'http://www.baidu.com/s?{}'
16
params = 'wd=%E7%88%AC%E8%99%AB'
17
url = url.format(params)

音乐

音乐

【一】URL 解码 / 编码详解#

【二】URL基本组成#

【三】哪些字符需要编码#

【四】URL特殊字符编码#

【五】Python实现编码与解码#

【1】编码urlencode()#

【2】解码unquote(string)#

【3】URL地址拼接方式#

支持与分享

音乐

前端基础之URL编码

【一】URL 解码 / 编码详解#

【二】URL基本组成#

【三】哪些字符需要编码#

【四】URL特殊字符编码#

【五】Python实现编码与解码#

【1】编码urlencode()#

【2】解码unquote(string)#

【3】URL地址拼接方式#

支持与分享