python - 这是什么类型的 URL 编码？

Question

我有编码的 URL

http://blahblah.com/s%E2%80%8Btart/DEE-G%E2%80%8B6F-W4A-2N1%E2%80%8B5

为了

http://blahblah.com/start/DEE-G6F-W4A-2N15

这是哪种编码以及如何在 Python 中进行转换？

Answer 1

编辑：（由于与@interjay 的对话）：

%E2%80%8B代表一个ZERO WIDTH SPACE。那些可能不应该在那里。您可以使用以下命令删除它们str.replace：

In [135]: 'http://blahblah.com/s%E2%80%8Btart/DEE-G%E2%80%8B6F-W4A-2N1%E2%80%8B5'.replace('%E2%80%8B', '')
Out[135]: 'http://blahblah.com/start/DEE-G6F-W4A-2N15'

---

通常，引用的 URL 可以使用urllib.unquote取消引用：

In [6]: import urllib

In [7]: print(urllib.unquote('http://blahblah.com/s%E2%80%8Btart/DEE-G%E2%80%8B6F-W4A-2N1%E2%80%8B5'))
http://blahblah.com/s​tart/DEE-G​6F-W4A-2N1​5

---

以下是您如何判断%E2%80%8B代表 a 的方法ZERO WIDTH SPACE：

In [18]: x = urllib.unquote('%E2%80%8B')

In [19]: y = x.decode('utf-8')

In [20]: import unicodedata as UD

In [21]: [UD.name(c) for c in y]
Out[21]: ['ZERO WIDTH SPACE']

请注意，未引用的 URL 包括零宽度空间：

In [4]: urllib.unquote('http://blahblah.com/s%E2%80%8Btart/DEE-G%E2%80%8B6F-W4A-2N1%E2%80%8B5')
Out[4]: 'http://blahblah.com/s\xe2\x80\x8btart/DEE-G\xe2\x80\x8b6F-W4A-2N1\xe2\x80\x8b5'

输入 URL 似乎是一件奇怪的事情......