← Back to branch summary

~bzr-pqm/bzr/bzr.dev

« back to all changes in this revision

Viewing changes to bzrlib/urlutils.py

  • Committer: John Arbash Meinel
  • Date: 2007-04-28 15:04:17 UTC
  • mfrom: (2466 +trunk)
  • mto: This revision was merged to the branch mainline in revision 2566.
  • Revision ID: john@arbash-meinel.com-20070428150417-trp3pi0pzd411pu4
[merge] bzr.dev 2466

Show diffs side-by-side

added added

removed removed

Lines of Context:
bzrlib/urlutils.py
290
290
 
291
291
 
292
292
_url_scheme_re = re.compile(r'^(?P<scheme>[^:/]{2,})://(?P<path>.*)$')
 
293
_url_hex_escapes_re = re.compile(r'(%[0-9a-fA-F]{2})')
 
294
 
 
295
 
 
296
def _unescape_safe_chars(matchobj):
 
297
    """re.sub callback to convert hex-escapes to plain characters (if safe).
 
298
    
 
299
    e.g. '%7E' will be converted to '~'.
 
300
    """
 
301
    hex_digits = matchobj.group(0)[1:]
 
302
    char = chr(int(hex_digits, 16))
 
303
    if char in _url_dont_escape_characters:
 
304
        return char
 
305
    else:
 
306
        return matchobj.group(0).upper()
293
307
 
294
308
 
295
309
def normalize_url(url):
296
310
    """Make sure that a path string is in fully normalized URL form.
297
311
    
298
 
    This handles URLs which have unicode characters, spaces, 
 
312
    This handles URLs which have unicode characters, spaces,
299
313
    special characters, etc.
300
314
 
301
315
    It has two basic modes of operation, depending on whether the
314
328
    m = _url_scheme_re.match(url)
315
329
    if not m:
316
330
        return local_path_to_url(url)
 
331
    scheme = m.group('scheme')
 
332
    path = m.group('path')
317
333
    if not isinstance(url, unicode):
318
334
        for c in url:
319
335
            if c not in _url_safe_characters:
320
336
                raise errors.InvalidURL(url, 'URLs can only contain specific'
321
337
                                            ' safe characters (not %r)' % c)
322
 
        return url
 
338
        path = _url_hex_escapes_re.sub(_unescape_safe_chars, path)
 
339
        return str(scheme + '://' + ''.join(path))
 
340
 
323
341
    # We have a unicode (hybrid) url
324
 
    scheme = m.group('scheme')
325
 
    path = list(m.group('path'))
 
342
    path_chars = list(path)
326
343
 
327
 
    for i in xrange(len(path)):
328
 
        if path[i] not in _url_safe_characters:
329
 
            chars = path[i].encode('utf-8')
330
 
            path[i] = ''.join(['%%%02X' % ord(c) for c in path[i].encode('utf-8')])
331
 
    return str(scheme + '://' + ''.join(path))
 
344
    for i in xrange(len(path_chars)):
 
345
        if path_chars[i] not in _url_safe_characters:
 
346
            chars = path_chars[i].encode('utf-8')
 
347
            path_chars[i] = ''.join(
 
348
                ['%%%02X' % ord(c) for c in path_chars[i].encode('utf-8')])
 
349
    path = ''.join(path_chars)
 
350
    path = _url_hex_escapes_re.sub(_unescape_safe_chars, path)
 
351
    return str(scheme + '://' + path)
332
352
 
333
353
 
334
354
def relative_url(base, other):
514
534
#These entries get mapped to themselves
515
535
_hex_display_map.update((hex,'%'+hex) for hex in _no_decode_hex)
516
536
 
 
537
# These characters shouldn't be percent-encoded, and it's always safe to
 
538
# unencode them if they are.
 
539
_url_dont_escape_characters = set(
 
540
   "abcdefghijklmnopqrstuvwxyz" # Lowercase alpha
 
541
   "ABCDEFGHIJKLMNOPQRSTUVWXYZ" # Uppercase alpha
 
542
   "0123456789" # Numbers
 
543
   "-._~"  # Unreserved characters
 
544
)
 
545
 
517
546
# These characters should not be escaped
518
547
_url_safe_characters = set(
519
548
   "abcdefghijklmnopqrstuvwxyz" # Lowercase alpha