Python urllib.request中的Unicode字符串

简短版本：我有一个变量

s='bär'

。我需要将

s

转换为ASCII，以便

s='b%C3%A4r'

长版本：

我正在使用

urllib.request.urlopen（）

从URL读取mp3发音文件。这很有效，只是我遇到了一个问题，因为URL通常包含unicode字符。例如，德语的“Bär”。完整的URL是

https://d7mj4aqfscim2.cloudfront.net/tts/de/token/bär

。事实上，在Chrome中输入这个URL是有效的，可以让我毫无问题地找到mp3文件。但是，将相同的URL提供给

urllib

会产生问题

我确定这是一个unicode问题，因为堆栈跟踪读取：

Traceback (most recent call last):
  File "importer.py", line 145, in <module>
    download_file(tuple[1], tuple[0], ".mp3")
  File "importer.py", line 81, in download_file
    with urllib.request.urlopen(url) as in_stream, open(to_fname+ext, 'wb') as out_file: #`with object as name:` safely __enter__() and __exit__() the runtime of object. `as` assigns `name` as referring to the object `object`.
  File "C:\Users\quesm\AppData\Local\Programs\Python\Python35-32\lib\urllib\request.py", line 162, in urlopen
    return opener.open(url, data, timeout)
  File "C:\Users\quesm\AppData\Local\Programs\Python\Python35-32\lib\urllib\request.py", line 465, in open
    response = self._open(req, data)
  File "C:\Users\quesm\AppData\Local\Programs\Python\Python35-32\lib\urllib\request.py", line 483, in _open
    '_open', req)
  File "C:\Users\quesm\AppData\Local\Programs\Python\Python35-32\lib\urllib\request.py", line 443, in _call_chain
    result = func(*args)
  File "C:\Users\quesm\AppData\Local\Programs\Python\Python35-32\lib\urllib\request.py", line 1283, in https_open
    context=self._context, check_hostname=self._check_hostname)
  File "C:\Users\quesm\AppData\Local\Programs\Python\Python35-32\lib\urllib\request.py", line 1240, in do_open
    h.request(req.get_method(), req.selector, req.data, headers)
  File "C:\Users\quesm\AppData\Local\Programs\Python\Python35-32\lib\http\client.py", line 1083, in request
    self._send_request(method, url, body, headers)
  File "C:\Users\quesm\AppData\Local\Programs\Python\Python35-32\lib\http\client.py", line 1118, in _send_request
    self.putrequest(method, url, **skips)
  File "C:\Users\quesm\AppData\Local\Programs\Python\Python35-32\lib\http\client.py", line 960, in putrequest
    self._output(request.encode('ascii'))
UnicodeEncodeError: 'ascii' codec can't encode character '\xfc' in position 19: ordinal not in range(128)

回溯（最近一次呼叫最后一次）：
文件“importer.py”，第145行，在
下载_文件（元组[1]，元组[0]，“.mp3”）
下载文件中第81行的文件“importer.py”
将urllib.request.urlopen（url）作为in_stream，将（to_fname+ext，'wb'）作为out_文件：35; `以对象作为名称：`安全地uuu输入uuuuuuuuuuuuuuuuuuuuuuuuuuuuu（）和uuuuuuuuu退出uuuuuuuuuuuuu`as`assigns`name`指的是对象`object`。
urlopen中的文件“C:\Users\quesm\AppData\Local\Programs\Python 35-32\lib\urllib\request.py”，第162行
返回opener.open（url、数据、超时）
文件“C:\Users\quesm\AppData\Local\Programs\Python\Python35-32\lib\urllib\request.py”，第465行，打开
响应=自身打开（请求，数据）
文件“C:\Users\quesm\AppData\Local\Programs\Python\Python35-32\lib\urllib\request.py”，第483行，打开
"开放",
文件“C:\Users\quesm\AppData\Local\Programs\Python\Python35-32\lib\urllib\request.py”，第443行，在调用链中
结果=func（*args）
文件“C:\Users\quesm\AppData\Local\Programs\Python\Python35-32\lib\urllib\request.py”，第1283行，https\u打开
上下文=self.\u上下文，检查主机名=self.\u检查主机名）
文件“C:\Users\quesm\AppData\Local\Programs\Python\Python35-32\lib\urllib\request.py”，第1240行，在do\u open中
h、 请求（请求获取方法（），请求选择器，请求数据，标题）
请求中的文件“C:\Users\quesm\AppData\Local\Programs\Python\Python35-32\lib\http\client.py”，第1083行
self.\u发送请求（方法、url、正文、标题）
文件“C:\Users\quesm\AppData\Local\Programs\Python\Python35-32\lib\http\client.py”，第1118行，在发送请求中
putrequest（方法、url、**跳过）
文件“C:\Users\quesm\AppData\Local\Programs\Python\Python35-32\lib\http\client.py”，第960行，在putrequest中
self.\u输出（request.encode（'ascii'））
UnicodeEncodeError:“ascii”编解码器无法对位置19中的字符“\xfc”进行编码：序号不在范围内（128）

。。。除了明显的

unicodeincoder错误

，我可以看到它正在尝试将

encode（）

编码为ASCII

有趣的是，当我从Chrome复制URL（而不是简单地将其输入Python解释器）时，它将

bär

转换为

b%C3%A4r

。当我将其馈送到

urllib.request.urlopen（）

时，它处理得很好，因为所有这些字符都是ASCII字符。所以我的目标是在我的程序中进行这种转换。我试图将原始字符串转换为unicode等效字符串，但其所有变体中的

unicodedata.normalize（）；此外，我不确定如何将Unicode存储为ASCII，因为Python 3将所有字符串存储为Unicode，因此不会尝试转换文本。
使用：


简单地连接字符串和使用
urljoin（）
之间有区别吗？另外，这种类型的Unicode有名称吗？考虑到我从
normalize（）
获得的Unicode完全不同，我想知道在讨论时如何命名它们。对于您的情况，并不严格要求使用
urljoin
。但是请考虑：<代码> URLLIB .PARSE。http://example.com/a/b/c“，”/x/y/z'）

它不是unicode。我听说有人叫它。我试过了，它删除了

/a/b/c

部分。但是将

/x/y/z

更改为

x/y/z

会使生成的url不同，更改为

emaple.com/a/b/x/y/z

。我真的不知道这个URL的哪个部分将被保留/替换。@ AlexG，在一些文档（’）中考虑链接（‘A.html’，‘//地方/html’）。code>urljoin用于获取这些链接的绝对url。

>>> urllib.parse.quote('bär')
'b%C3%A4r'

>>> urllib.parse.urljoin('https://d7mj4aqfscim2.cloudfront.net/tts/de/token/',
...                      urllib.parse.quote('bär'))
'https://d7mj4aqfscim2.cloudfront.net/tts/de/token/b%C3%A4r'