3

Queria entender a diferença entre a saida do utils::URLencode() no R e o urllib.parse.quote() em Python, por exemplo:

Em R:

tster <- '{"yearStart":"2020",\n"yearEnd":"2020",\n"typeForm":1}'
utils::URLencode(tster)

Output:

'%7B%22yearStart%22:%222020%22,%0A%22yearEnd%22:%222020%22,%0A%22typeForm%22:1%7D'

Em Python:

import urllib

tster = '{"yearStart":"2020",\n"yearEnd":"2020",\n"typeForm":1}'

result_py = urllib.parse.quote(tster, encoding = 'utf-8')
result_py

Output:

'%7B%22yearStart%22%3A%222020%22%2C%0A%22yearEnd%22%3A%222020%22%2C%0A%22typeForm%22%3A1%7D'

A diferença neste caso pode ser resolvida com, que deixa a saída no Python igual ao do R:

result_py.replace('%3A',':').replace('%2C',',')

Output:

'%7B%22yearStart%22:%222020%22,%0A%22yearEnd%22:%222020%22,%0A%22typeForm%22:1%7D'

Mas para strings maiores, além de feio fica muito trabalhoso. Como fazer para termos a saída do Python igual a do R?

Deixei os dois códigos para comparação nos links:

Em R: https://colab.research.google.com/drive/1oj-GCCUX4MZB_jW942DBMny-kN1sXdvy?usp=sharing

Em Python: https://colab.research.google.com/drive/1jpo9GrcTrFNidIdQih3PkLMR88t690kZ?usp=sharing

0

1 Resposta 1

2

Esses caracteres , e : de seu exemplo tratam-se de caracteres reservados que, de acordo com a própria RDocumentation são preservados. Destacando o trecho relevante:

In addition, ! $ & ' ( ) * + , ; = : / ? @ # [ ] are reserved characters, and should be encoded unless used in their reserved sense, which is scheme specific. The default in URLencode is to leave them alone, which is appropriate for file:// URLs, but probably not for http:// ones.

Ou seja, esses caracteres são classificados como reservados de acordo com a especificação da Internet STD 66 (antiga RFC3986) e o padrão utilizado na função utils::URLencode é ignorar essa codificação incondicionalmente.

Caso você deseje reverter esse comportamento, basta sobrescrever o valor padrão do parâmetro reserved desta forma:

utils::URLencode(tster, reserved = TRUE)

Com isso o resultado deve ser apresentado conforme o que é mostrado no Python 3; um detalhe adicional é que no caso deste último, é possível utilizar o parâmetro safe da função urllib.parse.quote para especificar os caracteres que — além dos unreserved caracteres alfanuméricos, -, _, . e ~ — não devem ser codificados, conforme descrito nesta parte do help:

quote(string, safe='/', encoding=None, errors=None)

(...)

The quote function %-escapes all characters that are neither in the unreserved chars ("always safe") nor the additional chars set via the safe arg.

(...)

Adicionando os caracteres do seu exemplo — além do padrão / —, você consegue reproduzir o resultado do R:

>>> urllib.parse.quote(tster, encoding = 'utf-8', safe='/,:')
'%7B%22yearStart%22:%222020%22,%0A%22yearEnd%22:%222020%22,%0A%22typeForm%22:1%7D'

Você deve fazer log-in para responder a esta pergunta.

Esta não é a resposta que você está procurando? Pesquise outras perguntas com a tag .