0

FacebookビデオのURLを抽出するPythonスクリプトを書いています。しかし、ビデオ ページのソースでは、URL に \uxxxxxx の形式の文字がいくつか表示されます。

たとえば、URLはこの形式です

https\u00253A\u00255C\u00252F\u00255C\u00252Ffbcdn-video-a.akamaihd.net\u00255C\u00252Fhvideo-ak-prn2\u00255C\u00252Fv\u00255C\u00252F753002_318048581647953_53890_n.mp4\u00253Foh\u00253D64e3e8ecf7e88f1da335d88949b2dc1f\u002526oe\u00253D52226D10\u002526__gda__\u00253D1377987338_9e37fb163a1d37d4b06ab7cff668f7dc\u002522\u00252C\u002522

\u00253Aはコロン(:)なのですが、どうやって変換すればいいのでしょうか。

私が好きだったとき

>>> x.decode('unicode_escape').encode('ascii','ignore')

私は得る

'https%3A%5C%2F%5C%2Ffbcdn-video-a.akamaihd.net%5C%2Fhvideo-ak-prn2%5C%2Fv%5C%2F753002_318048581647953_53890_n.mp4%3Foh%3D64e3e8ecf7e88f1da335d88949b2dc1f%26oe%3D52226D10%26__gda__%3D1377987338_9e37fb163a1d37d4b06ab7cff668f7dc%22%2C%22

パーセンテージではなく正確なURLが必要です。

いろいろ検索しましたが、助けが見つかりませんでした。

前もって感謝します

編集

Facebookページのソース全体を渡してから、そのような複雑なUnicode文字をすべて単純なものに変換する方法はありますか.

4

1 に答える 1

2 
>>> import urllib
>>> s = b'https\u00253A\u00255C\u00252F\u00255C\u00252Ffbcdn-video'
>>> print urllib.unquote_plus(s.decode('unicode_escape'))
https:\/\/fbcdn-video

文字列がバックスラッシュされているようです。

>>> import re
>>> import urllib
>>> s = b'https\u00253A\u00255C\u00252F\u00255C\u00252Ffbcdn-video'
>>> re.sub(r'\\(.)', r'\1', urllib.unquote_plus(s.decode('unicode_escape')))
u'https://fbcdn-video'
于 2013-08-31T21:07:49.173 に答える