Pythonは、URL内のすべての漢字を抽出します

一例として、「冠状動脈性心臓病」の言葉に：

 

我々はすべての処理を行っていないため、URLをコピーした後、今度はJavaScript要求URLとURLコードの中国のパラメータの中国の伝記パラメータの存在は、ブラウザのメカニズムに従って符号化されたが、この時点でのコーディングが文字化けします。

＃- * -コーディング：UTF-8 - * - 
インポートの再
 から urllib.request インポート引用、にunquote 


＃冠状動脈性心臓病の百科事典URL 
URL = " https://baike.baidu.com/item/%E5%86%A0%E7 ％。8A％B6％E5％。8Aの％A8％E8％84％89％E7％B2％A5％E6％A0％B7％E7％A1％AC％E5％8C％96％E6％の80％A7％以下のE ' \
       ' 5％BFの％83％E8％84％8F％E7％97％85/2252719？fromtitle =％E5％86％A0％E5％BFの％83％E7％97％85＆fromid = 547 914＆FR =アラジン' 
H =にunquote（ URL、エンコード= ' UTF-8 '）   ＃デコードし、トランジットのURLコード符号化漢字 
パターンを= re.compile（" [^ \ u4e00- \ u9fa5] "）   ＃のパターンは、すべての漢字にマッチします
re.sub = M（パターン、「」、H）  ＃すべての文字が空外部のモード、すなわち、非漢字に置き換え
印刷（M）

 

結果：