Python urlparse.parse_qs unicode url

Question

urlparse.parse_qs jest przydatny do analizowania parametrów adresu URL i działa dobrze z prostym adresem URL ASCII, reprezentowanym przez str. Więc można analizować kwerendy i następnie skonstruować taką samą ścieżkę korzystając urllib.urlencode z analizowanych danych:

>>> 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 

Działa również w porządku, gdy adres URL zawiera procent zakodowane non-ASCII param:

>>> 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 

Ale kiedy Django, pojawia się adres URL, używając request.get_full_path() i zwraca ścieżkę unicode wyrażenie:

>>> 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 

Look co teraz będzie:

>>> 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 zawiera ciąg znaków Unicode, który zawiera bajty! Nie punkty unicode! I oczywiście mam UnicodeEncodeError, gdy próbuje urlencode ten ciąg:

>>> 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) 

Obecnie mam rozwiązanie:

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

więc pytania są:

• dlaczego parse_qs zwraca tak dziwny ciąg (unicode, który zawiera bajty)?
• czy można bezpiecznie przekonwertować adres URL na str?

Answer 1

Koduje z powrotem do bajtów przed przekazaniem go do .parse_qs(), używając ASCII:

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

To działa tak samo jak str() ale z wyraźną kodowania. Tak, jest to bezpieczne, kodowanie adresu URL używa kodeków ASCII tylko.

parse_qs została przekazana wartość Unicode, więc zwróciła Ci również wartość Unicode; nie jest zadaniem do dekodowania bajtów.