如何保存网页中URL编码的Lørenskog并还原为原名称读取？

问题背景 #

• 网页原始标题为 Lørenskog
• 通过Selenium代码titles_urls = self.driver.find_elements(By.XPATH, './/a')获取链接元素
• HTML源码中显示为\u00f8renskog（Unicode转义格式）
• 打印元素href属性时输出为%C3%B8renskog（URL编码格式）

解决方案 #

你已经验证urllib.parse.unquote()可正确解码URL编码字符串，在此基础上按以下步骤实现保存与读取：

1. 解码URL编码字符串 #

从元素href中提取编码字符串后，用unquote解码为原始Unicode字符：

import urllib.parse

# 从元素href获取的编码内容
encoded_str = "%C3%B8renskog"
decoded_str = urllib.parse.unquote(encoded_str)
# 此时decoded_str的值为"Lørenskog"

2. 保存到文件 #

保存时指定UTF-8编码，确保特殊字符被正确写入：

# 写入文件
with open("location_name.txt", "w", encoding="utf-8") as f:
    f.write(decoded_str)

3. 读取文件并显示 #

读取时同样指定UTF-8编码，即可还原原始字符：

# 读取文件
with open("location_name.txt", "r", encoding="utf-8") as f:
    saved_name = f.read()
print(saved_name)  # 输出：Lørenskog

补充说明 #

• HTML中的\u00f8是Unicode转义格式，对应字符ø，和URL编码的%C3%B8是同一字符的不同编码表现，均可通过对应方法还原为原始字符。
• 保存和读取环节必须指定UTF-8编码，避免出现乱码问题。

内容的提问来源于stack exchange，提问作者ghost239