"urllib.parse" --- Parse URLs into components
En esta página
"urllib.parse" --- Parse URLs into components#
Código fuente: Lib/urllib/parse.py
======================================================================
Este modulo define una interfaz estándar para separar cadenas de texto del Localizador de recursos uniforme (más conocido por las siglas URL, del inglés Uniform Resource Locator) en componentes (esquema de dirección, ubicación de red, ruta de acceso, etc.), para poder combinar los componentes nuevamente en una cadena de texto URL, y convertir una "URL relativa" a una URL absoluta a partir de una "URL base".
The module has been designed to match the internet RFC on Relative Uniform Resource Locators. It supports the following URL schemes: "file", "ftp", "gopher", "hdl", "http", "https", "imap", "itms- services", "mailto", "mms", "news", "nntp", "prospero", "rsync", "rtsp", "rtsps", "rtspu", "sftp", "shttp", "sip", "sips", "snews", "svn", "svn+ssh", "telnet", "wais", "ws", "wss".
Detalles de implementación de CPython: The inclusion of the "itms- services" URL scheme can prevent an app from passing Apple's App Store review process for the macOS and iOS App Stores. Handling for the "itms-services" scheme is always removed on iOS; on macOS, it may be removed if CPython has been built with the "--with-app-store- compliance" option.
The "urllib.parse" module defines functions that fall into two broad categories: URL parsing and URL quoting. These are covered in detail in the following sections.
This module's functions use the deprecated term "netloc" (or "net_loc"), which was introduced in RFC 1808. However, this term has been obsoleted by RFC 3986, which introduced the term "authority" as its replacement. The use of "netloc" is continued for backward compatibility.
Análisis de URL#
Las funciones de análisis de url se centran en dividir una cadena de dirección URL en sus componentes o en combinar componentes de dirección URL en una cadena de dirección URL.
urllib.parse.urlsplit(urlstring, scheme=None, allow_fragments=True)
Parse a URL into five components, returning a 5-item named tuple "SplitResult" or "SplitResultBytes". This corresponds to the general structure of a URL: "scheme://netloc/path?query#fragment". Each tuple item is a string, possibly empty.
The delimiters as shown above are not part of the result, except for a leading slash in the path component, which is retained if present.
Additionally, the netloc property is broken down into these additional attributes added to the returned object: username, password, hostname, and port.
Percent-encoded sequences are not decoded.
For example:
>>> from urllib.parse import urlsplit
>>> urlsplit("scheme://netloc/path?query#fragment")
SplitResult(scheme='scheme', netloc='netloc', path='/path',
query='query', fragment='fragment')
>>> o = urlsplit("http://docs.python.org:80/3/library/urllib.parse.html?"
... "highlight=params#url-parsing")
>>> o
SplitResult(scheme='http', netloc='docs.python.org:80',
path='/3/library/urllib.parse.html',
query='highlight=params', fragment='url-parsing')
>>> o.scheme
'http'
>>> o.netloc
'docs.python.org:80'
>>> o.hostname
'docs.python.org'
>>> o.port
80
>>> o._replace(fragment="").geturl()
'http://docs.python.org:80/3/library/urllib.parse.html?highlight=params'
Following the syntax specifications in RFC 1808, "urlsplit()" recognizes a netloc only if it is properly introduced by '//'. Otherwise the input is presumed to be a relative URL and thus to start with a path component.
>>> from urllib.parse import urlsplit
>>> urlsplit('//www.cwi.nl:80/%7Eguido/Python.html')
SplitResult(scheme='', netloc='www.cwi.nl:80', path='/%7Eguido/Python.html',
query='', fragment='')
>>> urlsplit('www.cwi.nl/%7Eguido/Python.html')
SplitResult(scheme='', netloc='', path='www.cwi.nl/%7Eguido/Python.html',
query='', fragment='')
>>> urlsplit('help/Python.html')
SplitResult(scheme='', netloc='', path='help/Python.html',
query='', fragment='')
El argumento scheme proporciona el esquema de direccionamiento predeterminado, que solo se utilizará si la dirección URL no especifica uno. Debe ser del mismo tipo (texto o bytes) que urlstring, excepto que el valor predeterminado "''" siempre está permitido, y se convierte automáticamente a "b''" si aplica.
Si el argumento allow_fragments es falso, los identificadores de fragmento no son reconocidos. Sino que, son analizados como parte de la ruta, parámetros o componentes de la consulta y el "fragment" es configurado como una cadena vacía en el valor retornado.
El valor retornado es un named tuple, lo que significa que se puede tener acceso a sus elementos por índice o como atributos con nombre, que son:
+--------------------+---------+---------------------------+--------------------------+ | Atributo | Índice | Valor | Valor si no está | | | | | presente | |====================|=========|===========================|==========================| | "scheme" | 0 | Especificador de esquema | parámetro scheme | | | | de URL | | +--------------------+---------+---------------------------+--------------------------+ | "netloc" | 1 | Parte de ubicación de red | cadena vacía | +--------------------+---------+---------------------------+--------------------------+ | "path" | 2 | Hierarchical path | cadena vacía | +--------------------+---------+---------------------------+--------------------------+ | "query" | 3 | Componente de consulta | cadena vacía | +--------------------+---------+---------------------------+--------------------------+ | "fragment" | 4 | Identificador de | cadena vacía | | | | fragmento | | +--------------------+---------+---------------------------+--------------------------+ | "username" | | Nombre de usuario | "None" | +--------------------+---------+---------------------------+--------------------------+ | "password" | | Contraseña | "None" | +--------------------+---------+---------------------------+--------------------------+ | "hostname" | | Nombre de host | "None" | | | | (minúsculas) | | +--------------------+---------+---------------------------+--------------------------+ | "port" | | Número de puerto como | "None" | | | | entero, si está presente | | +--------------------+---------+---------------------------+--------------------------+
La lectura del atributo "port" lanzará un "ValueError" si se especifica un puerto no válido en la dirección URL. Consulte la sección Resultados del análisis estructurado para obtener más información sobre el objeto de resultado.
Los corchetes no coincidentes en el atributo "netloc" lanzarán un "ValueError".
Los caracteres del atributo "netloc" que se descomponen en la normalización de NFKC (según lo utilizado por la codificación IDNA) en cualquiera de "/", "?", "#", "@" o ":" lanzará un "ValueError". Si la dirección URL se descompone antes del análisis, no se producirá ningún error.
Following some of the WHATWG spec that updates RFC 3986, leading C0 control and space characters are stripped from the URL. "\n", "\r" and tab "\t" characters are removed from the URL at any position.
As is the case with all named tuples, the subclass has a few additional methods and attributes that are particularly useful. One such method is "_replace()". The "_replace()" method will return a new "SplitResult" object replacing specified fields with new values.
>>> from urllib.parse import urlsplit
>>> u = urlsplit('//www.cwi.nl:80/%7Eguido/Python.html')
>>> u
SplitResult(scheme='', netloc='www.cwi.nl:80', path='/%7Eguido/Python.html',
query='', fragment='')
>>> u._replace(scheme='http')
SplitResult(scheme='http', netloc='www.cwi.nl:80', path='/%7Eguido/Python.html',
query='', fragment='')
Advertencia:
"urlsplit()" no realiza validaciones. Mire URL parsing security
para más información.
Distinto en la versión 3.2: Se han añadido capacidades de análisis de URL IPv6.
Distinto en la versión 3.3: The fragment is now parsed for all URL schemes (unless allow_fragments is false), in accordance with RFC 3986. Previously, an allowlist of schemes that support fragments existed.
Distinto en la versión 3.6: Los números de puerto fuera de rango ahora generan "ValueError", en lugar de retornar "None".
Distinto en la versión 3.8: Los caracteres que afectan al análisis de netloc en la normalización de NFKC ahora lanzarán "ValueError".
Distinto en la versión 3.10: Los caracteres ASCII de nueva línea y tab se eliminan de la URL.
Distinto en la versión 3.12: Los caracteres de control WHATWG C0 y de espacio se eliminan de la URL.
urllib.parse.parse_qs(qs, keep_blank_values=False, strict_parsing=False, encoding='utf-8', errors='replace', max_num_fields=None, separator='&')
Analizar una cadena de consulta proporcionada como argumento de cadena (datos de tipo application/x-www-form-urlencoded). Los datos se retornan como un diccionario. Las claves de diccionario son los nombres de variable de consulta únicos y los valores son listas de valores para cada nombre.
El argumento opcional keep_blank_values es un indicador que indica si los valores en blanco de las consultas codificadas por porcentaje deben tratarse como cadenas en blanco. Un valor verdadero indica que los espacios en blanco deben conservarse como cadenas en blanco. El valor falso predeterminado indica que los valores en blanco deben omitirse y tratarse como si no se hubieran incluido.
El argumento opcional strict_parsing es una marca que indica qué hacer con los errores de análisis. Si es falso (valor predeterminado), los errores se omiten silenciosamente. Si es verdadero, los errores generan una excepción "ValueError".
Los parámetros opcionales encoding y errors especifican cómo descodificar secuencias codificadas porcentualmente en caracteres Unicode, tal como lo acepta el método "bytes.decode()".
El argumento opcional max_num_fields es el número máximo de campos que se van a leer. Si se establece, se produce un "ValueError" si hay más de max_num_fields campos leídos.
El argumento opcional separator es el símbolo que se usa para separar los argumentos de la cadena de consulta. El valor por defecto es "&".
Utilice la función "urllib.parse.urlencode()" (con el parámetro "doseq" establecido en "True") para convertir dichos diccionarios en cadenas de consulta.
Distinto en la versión 3.2: Agregue los parámetros encoding y errors.
Distinto en la versión 3.8: Añadido parámetro max_num_fields.
Distinto en la versión 3.10: Añadido parámetro separator con un valor por defecto de "&". Versiones de Python anterior a Python 3.10 permitían el uso de ";" y "&" como separadores de la cadena de consulta. Esto ha sido cambiado para aceptar sólo una llave separadora, siendo "&" el separador por defecto.
Obsoleto desde la versión 3.14: Accepting objects with false values (like "0" and "[]") except empty strings and byte-like objects and "None" is now deprecated.
urllib.parse.parse_qsl(qs, keep_blank_values=False, strict_parsing=False, encoding='utf-8', errors='replace', max_num_fields=None, separator='&')
Analizar una cadena de consulta proporcionada como argumento de cadena (datos de tipo application/x-www-form-urlencoded). Los datos se retornan como una lista de pares de nombre y valor.
El argumento opcional keep_blank_values es un indicador que indica si los valores en blanco de las consultas codificadas por porcentaje deben tratarse como cadenas en blanco. Un valor verdadero indica que los espacios en blanco deben conservarse como cadenas en blanco. El valor falso predeterminado indica que los valores en blanco deben omitirse y tratarse como si no se hubieran incluido.
El argumento opcional strict_parsing es una marca que indica qué hacer con los errores de análisis. Si es falso (valor predeterminado), los errores se omiten silenciosamente. Si es verdadero, los errores generan una excepción "ValueError".
Los parámetros opcionales encoding y errors especifican cómo descodificar secuencias codificadas porcentualmente en caracteres Unicode, tal como lo acepta el método "bytes.decode()".
El argumento opcional max_num_fields es el número máximo de campos que se van a leer. Si se establece, se produce un "ValueError" si hay más de max_num_fields campos leídos.
El argumento opcional separator es el símbolo que se usa para separar los argumentos de la cadena de consulta. El valor por defecto es "&".
Utilice la función "urllib.parse.urlencode()" para convertir dichas listas de pares en cadenas de consulta.
Distinto en la versión 3.2: Agregue los parámetros encoding y errors.
Distinto en la versión 3.8: Añadido parámetro max_num_fields.
Distinto en la versión 3.10: Añadido parámetro separator con un valor por defecto de "&". Versiones de Python anterior a Python 3.10 permitían el uso de ";" y "&" como separadores de la cadena de consulta. Esto ha sido cambiado para aceptar sólo una llave separadora, siendo "&" el separador por defecto.
urllib.parse.urlunsplit(parts)
Construct a URL from a tuple as returned by "urlsplit()". The parts argument can be any five-item iterable. This may result in a slightly different, but equivalent URL, if the URL that was parsed originally had unnecessary delimiters (for example, a "?" with an empty query; the RFC states that these are equivalent).
urllib.parse.urlparse(urlstring, scheme=None, allow_fragments=True)
This is similar to "urlsplit()", but additionally splits the path component on path and params. This function returns a 6-item named tuple "ParseResult" or "ParseResultBytes". Its items are the same as for the "urlsplit()" result, except that params is inserted at index 3, between path and query.
This function is based on obsoleted RFC 1738 and RFC 1808, which listed params as the main URL component. The more recent URL syntax allows parameters to be applied to each segment of the path portion of the URL (see RFC 3986). "urlsplit()" should generally be used instead of "urlparse()". A separate function is needed to separate the path segments and parameters.
urllib.parse.urlunparse(parts)
Combine the elements of a tuple as returned by "urlparse()" into a complete URL as a string. The parts argument can be any six-item iterable. This may result in a slightly different, but equivalent URL, if the URL that was parsed originally had unnecessary delimiters (for example, a ? with an empty query; the RFC states that these are equivalent).
urllib.parse.urljoin(base, url, allow_fragments=True)
Construya una URL completa ("absoluta") combinando una "URL base" (base) con otra URL (url). Informalmente, esto utiliza componentes de la dirección URL base, en particular el esquema de direccionamiento, la ubicación de red y (parte de) la ruta de acceso, para proporcionar los componentes que faltan en la dirección URL relativa. Por ejemplo:
from urllib.parse import urljoin urljoin('http://www.cwi.nl/%7Eguido/Python.html', 'FAQ.html') 'http://www.cwi.nl/%7Eguido/FAQ.html'
The allow_fragments argument has the same meaning and default as for "urlsplit()".
Nota:
Si *url* es una URL absoluta (es decir, comienza con "//" o
"scheme://"), el nombre de host y/o esquema de *url* estará
presente en el resultado. Por ejemplo:
>>> urljoin('http://www.cwi.nl/%7Eguido/Python.html',
... '//www.python.org/%7Eguido')
'http://www.python.org/%7Eguido'
Si no desea ese comportamiento, preprocesa las partes *url* con
"urlsplit()" y "urlunsplit()", eliminando posibles partes
*esquema* y *netloc*.
Advertencia:
Because an absolute URL may be passed as the "url" parameter, it
is generally **not secure** to use "urljoin" with an attacker-
controlled "url". For example in,
"urljoin("https://website.com/users/", username)", if "username"
can contain an absolute URL, the result of "urljoin" will be the
absolute URL.
Distinto en la versión 3.5: Comportamiento actualizado para coincidir con la semántica definida en RFC 3986.
urllib.parse.urldefrag(url)
Si url contiene un identificador de fragmento, retorne una versión modificada de url sin identificador de fragmento y el identificador de fragmento como una cadena independiente. Si no hay ningún identificador de fragmento en url, retorne url sin modificar y una cadena vacía.
El valor retornado es un named tuple, se puede acceder a sus elementos por índice o como atributos con nombre:
+--------------------+---------+---------------------------+------------------------+ | Atributo | Índice | Valor | Valor si no está | | | | | presente | |====================|=========|===========================|========================| | "url" | 0 | URL sin fragmento | cadena vacía | +--------------------+---------+---------------------------+------------------------+ | "fragment" | 1 | Identificador de | cadena vacía | | | | fragmento | | +--------------------+---------+---------------------------+------------------------+
Consulte la sección Resultados del análisis estructurado para obtener más información sobre el objeto de resultado.
Distinto en la versión 3.2: El resultado es un objeto estructurado en lugar de una simple tupla de 2.
urllib.parse.unwrap(url)
Extrae la url de una URL envuelta (es decir, una cadena de
caracteres formateada como "
Análisis de seguridad de URL#
Las APIs "urlsplit()" y "urlparse()" no realizan validación de las entradas. Es posible que no produzcan errores en entradas que otras aplicaciones consideren inválidas. También pueden tener éxito en algunas entradas que podrían no ser consideradas URLs en otros lugares. Su propósito es más la funcionalidad práctica que la pureza.
En vez de generar una excepción en una entrada inusual, pueden devolver algunas partes componentes como una cadenas vacías. O los componentes pueden contener más de lo que deberían.
Se recomienda que los usuarios de estas APIs, en las que los valores se pueden usar en cualquier lugar con implicaciones de seguridad, codifiquen de forma defensiva. Realicen algunas comprobaciones en su código antes de confiar en un componente devuelto. ¿Tiene sentido ese "scheme"? ¿Es ese "path" sensible? ¿Hay algo extraño en ese "hostname"? etc.
Lo que constituye una URL no está universalmente bien definido. Aplicaciones diferentes tienen diferentes necesidades y restricciones deseadas. Por ejemplo, la WHATWG spec describe lo que requieren los clientes web orientados al usuario, como un navegador web. Mientras RFC 3986 es más general. Estas funciones incorporan algunos aspectos de ambos, pero no se puede afirmar que cumpla con ninguno de los dos. Las API y el código de usuario existente con expectativas sobre comportamientos específicos son anteriores a ambos estándares, lo que nos lleva a ser muy cautelosos realizando cambios en el comportamiento de la API.
Análisis de bytes codificados ASCII#
Las funciones de análisis de URL se diseñaron originalmente para funcionar solo en cadenas de caracteres. En la práctica, es útil poder manipular las direcciones URL correctamente citadas y codificadas como secuencias de bytes ASCII. En consecuencia, las funciones de análisis de URL de este módulo funcionan en los objetos "bytes" y "bytearray", además de los objetos "str".
Si se pasan datos "str", el resultado también contendrá solo los datos "str". Si se pasan datos "bytes" o "bytearray", el resultado contendrá solo los datos "bytes".
Si intenta mezclar datos "str" con "bytes" o "bytearray" en una sola llamada de función, se producirá un "TypeError", mientras que al intentar pasar valores de bytes no ASCII se desencadenará "UnicodeDecodeError".
Para admitir una conversión más sencilla de objetos de resultado entre "str" y "bytes", todos los valores retornados de las funciones de análisis de URL proporcionan un método "encode()" (cuando el resultado contiene "str" data) o un método "decode()" (cuando el resultado contiene datos "bytes"). Las firmas de estos métodos coinciden con las de los métodos correspondientes "str" y "bytes" (excepto que la codificación predeterminada es "'ascii"' en lugar de "'utf-8"'). Cada uno produce un valor de un tipo correspondiente que contiene datos "bytes" (para los métodos "encode()") o "str" (para "decode()" métodos).
Las aplicaciones que necesitan operar en direcciones URL potencialmente citadas incorrectamente que pueden contener datos no ASCII tendrán que realizar su propia decodificación de bytes a caracteres antes de invocar los métodos de análisis de URL.
El comportamiento descrito en esta sección solo se aplica a las funciones de análisis de URL. Las funciones de citación de URL utilizan sus propias reglas al producir o consumir secuencias de bytes como se detalla en la documentación de las funciones de citación de URL individuales.
Distinto en la versión 3.2: Las funciones de análisis de URL ahora aceptan secuencias de bytes codificadas en ASCII
Resultados del análisis estructurado#
The result objects from the "urlsplit()", "urlparse()" and "urldefrag()" functions are subclasses of the "tuple" type. These subclasses add the attributes listed in the documentation for those functions, the encoding and decoding support described in the previous section, as well as an additional method:
urllib.parse.SplitResult.geturl()
Retorna la versión re-combinada de la dirección URL original como una cadena. Esto puede diferir de la dirección URL original en que el esquema se puede normalizar a minúsculas y los componentes vacíos pueden descartarse. En concreto, se quitarán los parámetros vacíos, las consultas y los identificadores de fragmento.
Para los resultados "urldefrag()", solo se eliminarán los identificadores de fragmento vacíos. Para los resultados "urlsplit()" y "urlparse()", todos los cambios observados se realizarán en la URL retornada por este método.
El resultado de este método permanece inalterado si se pasa de nuevo a través de la función de análisis original:
from urllib.parse import urlsplit url = 'HTTP://www.Python.org/doc/#' r1 = urlsplit(url) r1.geturl() 'http://www.Python.org/doc/' r2 = urlsplit(r1.geturl()) r2.geturl() 'http://www.Python.org/doc/'
Las clases siguientes proporcionan las implementaciones de los resultados del análisis estructurado cuando se opera en objetos "str":
class urllib.parse.DefragResult(url, fragment)
Clase concreta para los resultados de "urldefrag()" que contienen datos "str". El método "encode()" retorna una instancia "DefragResultBytes".
Added in version 3.2.
class urllib.parse.ParseResult(scheme, netloc, path, params, query, fragment)
Clase concreta para los resultados de "urlparse()" que contiene "str" data. El método "encode()" retorna una instancia "ParseResultBytes".
class urllib.parse.SplitResult(scheme, netloc, path, query, fragment)
Clase concreta para los resultados de "urlsplit()" que contiene "str" data. El método "encode()" retorna una instancia "SplitResultBytes".
Las clases siguientes proporcionan las implementaciones de los resultados del análisis cuando se opera en objetos "bytes" o "bytearray":
class urllib.parse.DefragResultBytes(url, fragment)
Clase concreta para los resultados de "urldefrag()" que contienen datos "bytes". El método "decode()" retorna una instancia "DefragResult".
Added in version 3.2.
class urllib.parse.ParseResultBytes(scheme, netloc, path, params, query, fragment)
Clase concreta para los resultados "urlparse()" que contienen datos "bytes". El método "decode()" retorna una instancia "ParseResult".
Added in version 3.2.
class urllib.parse.SplitResultBytes(scheme, netloc, path, query, fragment)
Clase concreta para los resultados de "urlsplit()" que contienen datos "bytes". El método "decode()" retorna una instancia "SplitResult".
Added in version 3.2.
Cita de URL#
Las funciones de citación de URL se centran en tomar datos del programa y hacerlos seguros para su uso como componentes URL citando caracteres especiales y codificando adecuadamente texto no ASCII. También admiten la inversión de estas operaciones para volver a crear los datos originales a partir del contenido de un componente de dirección URL si esa tarea aún no está cubierta por las funciones de análisis de URL anteriores.
urllib.parse.quote(string, safe='/', encoding=None, errors=None)
Reemplaza caracteres especiales en string con la secuencia de escape "%xx". Las letras, los dígitos y los caracteres "'_.-~'" nunca se citan. De forma predeterminada, esta función está pensada para citar la sección de ruta de acceso de la dirección URL. El parámetro opcional safe especifica caracteres ASCII adicionales que no se deben citar --- su valor predeterminado es "'/'".
string puede ser un objeto "str" o "bytes".
Distinto en la versión 3.7: Se ha movido de RFC 2396 a RFC 3986 para citar cadenas URL. Ahora se incluye "~" en el conjunto de caracteres reservados.
The optional encoding and errors parameters specify how to deal with non-ASCII characters, as accepted by the "str.encode()" method. Although these parameters default to "None" in the function signature, when processing "str" inputs, encoding effectively defaults to "'utf-8'" and errors to "'strict'", meaning unsupported characters raise a "UnicodeEncodeError". encoding and errors must not be supplied if string is a "bytes", or a "TypeError" is raised.
Tenga en cuenta que "quote(string, safe, encoding, errors)" es equivalente a "quote_from_bytes(string.encode(encoding, errors), safe)".
Ejemplo: "quote('/El Niño/')" produce "'/El%20Ni%C3%B1o/'".
urllib.parse.quote_plus(string, safe='', encoding=None, errors=None)
Como "quote()", pero también reemplaza espacios con signos más, como se requiere para citar valores de formularios HTML al momento de construir una cadena de consulta que será parte de una URL. Los signos más en la cadena de caracteres original se escapan, a no ser que se incluyan en safe. Además el valor de safe no es / por defecto.
Ejemplo: "quote_plus('/El Niño/')" produce "'%2FEl+Ni%C3%B1o%2F'".
urllib.parse.quote_from_bytes(bytes, safe='/')
Como "quote()", pero acepta un objeto "bytes" en lugar de un "str", y no realiza la codificación de cadena a bytes.
Ejemplo: "quote_from_bytes(b'a&\xef')" produce "'a%26%EF'".
urllib.parse.unquote(string, encoding='utf-8', errors='replace')
Reemplaza secuencias de escape "%xx" con los caracteres individuales correspondientes. Los parámetros opcionales encoding y errors especifican cómo descodificar secuencias codificadas porcentualmente a caracteres Unicode, tal como lo acepta el método "bytes.decode()".
string puede ser un objeto "str" o "bytes".
encoding por defecto es "'utf-8"'. errors por defecto es "'replace"', lo que significa que las secuencias no válidas se reemplazan por un carácter de marcador de posición.
Ejemplo: "unquote('/El%20Ni%C3%B1o/')" produce "'/El Niño/'".
Distinto en la versión 3.9: El parámetro string admite bytes y cadenas de caracteres (anteriormente sólo cadenas de caracteres).
urllib.parse.unquote_plus(string, encoding='utf-8', errors='replace')
Como "unquote()", pero también reemplaza los signos más por espacios, como es requerido al decodificar valores de formularios HTML.
string debe ser "str".
Ejemplo: "unquote_plus('/El+Ni%C3%B1o/')" produce "'/El Niño/'".
urllib.parse.unquote_to_bytes(string)
Reemplaza los escapes "%xx" por sus equivalentes de un solo octeto y retorna un objeto "bytes".
string puede ser un objeto "str" o "bytes".
Si es un "str", los caracteres no ASCII sin escapar en string se codifican en bytes UTF-8.
Ejemplo: "unquote_to_bytes('a%26%EF')" produce "b'a&\xef'".
urllib.parse.urlencode(query, doseq=False, safe='', encoding=None, errors=None, quote_via=quote_plus)
Convierta un objeto de asignación o una secuencia de tuplas de dos elementos, que pueden contener objetos "str" o "bytes", en una cadena de texto ASCII codificada porcentualmente. Si la cadena resultante se va a utilizar como una operación data para post con la función "URLlib.request.urlopen()", entonces debe codificarse en bytes, de lo contrario resultaría en un "TypeError".
La cadena resultante es una serie de pares "key=value" separados por caracteres "'&'", donde tanto key como value se citan mediante la función quote_via. De forma predeterminada, "quote_plus()" se utiliza para citar los valores, lo que significa que los espacios se citan como un carácter "'+'" y '/' los caracteres se codifican como "%2F", que sigue el estándar para las solicitudes GET ("application/x-www-form-urlencoded"). Una función alternativa que se puede pasar como quote_via es "quote()", que codificará espacios como "%20" y no codificará caracteres '/'. Para obtener el máximo control de lo que se cita, utilice "quote" y especifique un valor para safe.
Cuando se utiliza una secuencia de tuplas de dos elementos como argumento query, el primer elemento de cada tupla es una clave y el segundo es un valor. El valor en sí mismo puede ser una secuencia y, en ese caso, si el parámetro opcional doseq se evalúa como "True", se generan pares individuales "key=value" separados por "'&'" para cada elemento de la secuencia de valores de la clave. El orden de los parámetros de la cadena codificada coincidirá con el orden de las tuplas de parámetros de la secuencia.
Los parámetros safe, encoding y errors se pasan a quote_via (los parámetros encoding y errors solo se pasan cuando un elemento de consulta es "str").
Para revertir este proceso de codificación, en este módulo se proporcionan "parse_qs()" y "parse_qsl()" para analizar cadenas de consulta en estructuras de datos de Python.
Consulte urllib examples para averiguar cómo se puede utilizar el método "urllib.parse.urlencode()" para generar una cadena de consulta para una dirección URL o datos para POST.
Distinto en la versión 3.2: El parámetro query admite bytes y objetos de cadena.
Distinto en la versión 3.5: Added the quote_via parameter.
Obsoleto desde la versión 3.14: Accepting objects with false values (like "0" and "[]") except empty strings and byte-like objects and "None" is now deprecated.
Ver también:
WHATWG - URL estándar actual Grupo de trabajo para el estándar URL que define URLs, dominio, dirección IP, formato application/x-www-form-urlencoded y su API.
RFC 3986 - Identificadores uniformes de recursos Este es el estándar actual (STD66). Cualquier cambio en el módulo urllib.parse debe ajustarse a esto. Se podrían observar ciertas desviaciones, que son principalmente para fines de compatibilidad con versiones anteriores y para ciertos requisitos de análisis de facto como se observa comúnmente en los principales navegadores.
RFC 2732 - Formato de direcciones IPv6 literales en URL. Esto especifica los requisitos de análisis de las direcciones URL IPv6.
RFC 2396 - Identificadores uniformes de recursos (URI): Sintaxis genérica Documento que describe los requisitos sintácticos genéricos para los nombres de recursos uniformes (URL) y los localizadores uniformes de recursos (URL).
RFC 2368 - El esquema mailto URL. Análisis de requisitos para esquemas de URL de correo a correo.
RFC 1808 - Localizadores uniformes de recursos relativos Esta solicitud de comentarios incluye las reglas para unirse a una URL absoluta y relativa, incluyendo un buen número de "Ejemplos anormales" que rigen el tratamiento de los casos fronterizos.
RFC 1738 - Localizadores uniformes de recursos (URL) Esto especifica la sintaxis formal y la semántica de las direcciones URL absolutas.