python-3.x - Python 3：urllib 在尝试取消引用字符串时返回�字符

Question

我正在尝试取消引用通过 Selenium 从 href 检索到的字符串：

DOC.01-PROCURA%C7%C3O.pdf

当我尝试在 Python 3 中使用 urllib.parse.unquote 或 urllib.parse.unquote_plus 时，它们都返回以下内容：

'DOC.01-PROCURA��O.pdf'

我如何摆脱这些�字符？它应该返回DOC.01-PROCURAÇÃO.pdf，因为 Selenium 下载了一个具有此文件名的 pdf 文件，我稍后将通过os.path.exists.

标签： python-3.xunicodecharacter-encodingurllib

Answer 1

urllib.parse.unquote默认解码为 UTF-8。在这种情况下，Windows-1252有效：

>>> s = 'DOC.01-PROCURA%C7%C3O.pdf'
>>> urllib.parse.unquote(s,'Windows-1252')
'DOC.01-PROCURAÇÃO.pdf'

检查数据来自的页面的编码。