Python urlparse.parse_qs unicode url

urlparse.parse_qs est utile pour l'analyse des paramètres d'url, et il fonctionne très bien avec ASCII simple url, représentée par str. Afin que je puisse analyser une requête et ensuite construire le même chemin à l'aide de urllib.urlencode analysée à partir de données:

>>> 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

Il fonctionne aussi très bien, lorsque l'url contient pour cent codé 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

Mais, lors de l'utilisation de django, j'obtiens l'url à l'aide de request.get_full_path(), et il renvoie le chemin d'accès comme unicode chaîne:

>>> 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

Regardez ce qui va se passer maintenant:

>>> 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 contient chaîne unicode, qui contient des octets! Pas unicode points!
Et bien sûr, j'ai un UnicodeEncodeError, lors de la tentative de urlencode cette chaîne:

>>> 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)

Actuellement, j'ai une solution:

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

Donc les questions sont:

• pourquoi parse_qs de retour si étrange chaîne de caractères (unicode, qui contient des octets)?
• est-il sécuritaire de convertir les url à la str?

OriginalL'auteur stalk | 2013-05-17