python如何将unicode和非unicode元组视为相等？

Question

我使用的是Python 2.7.11.

我有2个元组:

>>> t1 = (u'aaa', u'bbb')
>>> t2 = ('aaa', 'bbb')

我试过这个:

>>> t1==t2
True

Python如何处理unicode和非unicode？

Answer 1

Python 2认为字节串和unicode相等.顺便说一句,这与包含元组无关.相反,它与隐式类型转换有关,我将在下面解释.

用"简单的"ascii代码点来演示它很困难,所以要了解真正发生的事情,我们可以通过使用更高的代码点来引发失败:

>>> bites = u'Ç'.encode('utf-8')
>>> unikode = u'Ç'
>>> print bites
Ç
>>> print unikode
Ç
>>> bites == unikode
/Users/wim/Library/Python/2.7/bin/ipython:1: UnicodeWarning: Unicode equal comparison failed to convert both arguments to Unicode - interpreting them as being unequal
  #!/usr/bin/python
False

在看到上面的unicode和字节比较时,python隐含地尝试通过假设字节是用sys.getdefaultencoding()(在我的平台上是'ascii')进行编码来将字节串解码为unicode对象.

在上面刚刚显示的情况下,这失败了,因为字节是以'utf-8'编码的.现在,让它"工作":

>>> bites = u'Ç'.encode('ISO8859-1')
>>> unikode = u'Ç'
>>> import sys
>>> reload(sys)   # please don't ever actually use this hack, guys 
<module 'sys' (built-in)>
>>> sys.setdefaultencoding('ISO8859-1')
>>> bites == unikode
True

你的上转换"工作"几乎相同,但使用'ascii'编解码器.字节和unicode之间的这种隐式转换实际上非常邪恶并且可能会造成很多痛苦,因此决定停止在Python 3中执行这些操作,因为"显式优于隐式".

作为一个小小的题外话,在Python 3+上,你的代码实际上都代表了unicode字符串文字,所以它们无论如何都是相同的.默认忽略u前缀.如果你想在python3中使用bytestring文字,你需要指定它b'this'.然后你想要1)显式解码字节,或2)在进行比较之前显式编码unicode对象.