Décoder les caractères échappés dans l'URL

Question

Je dispose d'une liste contenant des URL avec des caractères échappés. Ces caractères ont été définis par urllib2.urlopen lorsqu'il récupère la page html :

http://www.sample1webpage.com/index.php?title=%E9%A6%96%E9%A1%B5&action=edit
http://www.sample1webpage.com/index.php?title=%E9%A6%96%E9%A1%B5&action=history
http://www.sample1webpage.com/index.php?title=%E9%A6%96%E9%A1%B5&variant=zh 

Existe-t-il un moyen de les retransformer en leur forme non échappée en python ?

N.B. : Les URLs sont encodées en utf-8

Answer 1

En utilisant le paquet urllib (import urllib) :

Python 2.7

À partir de la documentation officielle :

urllib.unquote(string)

Remplace les échappements %xx par leur équivalent en un seul caractère.

Exemple : unquote('/%7Econnolly/') donne '/~connolly/'.

Python 3

À partir de la documentation officielle :

urllib.parse.unquote(string, encoding='utf-8', errors='replace')

[...]

Exemple : unquote('/El%20Ni%C3%B1o/') donne '/El Niño/'.

Answer 2

Et si vous utilisez Python3, vous pourriez utiliser :

import urllib.parse
urllib.parse.unquote(url)

Answer 3

Ou urllib.unquote_plus

>>> import urllib
>>> urllib.unquote('érythrocyte+membrane+protéin+1%2C+PfEMP1+%28VAR%29')
'érythrocyte+membrane+protéin+1,+PfEMP1+(VAR)'
>>> urllib.unquote_plus('érythrocyte+membrane+protéin+1%2C+PfEMP1+%28VAR%29')
'érythrocyte membrane protéin 1, PfEMP1 (VAR)'

Answer 4

Vous pouvez utiliser urllib.unquote

Answer 5

import re

def unquote(url):
  return re.compile('%([0-9a-fA-F]{2})',re.M).sub(lambda m: chr(int(m.group(1),16)), url)