3

我正在编写一个程序，要求用户输入包含重音符号的输入。测试用户输入字符串以查看它是否与程序中声明的字符串匹配。如下所示，我的代码不起作用：

代码

# -*- coding: utf-8 -*-

testList = ['má']
myInput = raw_input('enter something here: ')

print myInput, repr(myInput)
print testList[0], repr(testList[0])
print myInput in testList

用pydev在eclipse中输出

enter something here: má
m√° 'm\xe2\x88\x9a\xc2\xb0'
má 'm\xc3\xa1'
False

IDLE 输出

enter something here: má
má u'm\xe1'
má 'm\xc3\xa1'

Warning (from warnings module):
  File "/Users/ryanculkin/Desktop/delete.py", line 8
    print myInput in testList
UnicodeWarning: Unicode equal comparison failed to convert both arguments to Unicode - interpreting them as being unequal
False

比较两个字符串时，如何让我的代码打印 True？

此外，我注意到在同一输入上运行此代码的结果会有所不同，具体取决于我使用的是 eclipse 还是 IDLE。为什么是这样？我的最终目标是将我的程序放到网上；有什么我需要注意的吗，因为结果似乎如此不稳定？

4

3 回答 3

9

您遇到的是raw_input给您一个字节字符串，但您要比较的字符串是一个 Unicode 字符串。Python 2 尝试将它们转换为通用类型以进行比较，但这失败了，因为它无法猜测字节字符串的编码 - 因此，您的解决方案是显式地进行转换。

通常，您应该将程序中的所有字符串作为 unicode 字符串保持浮动 - 您以字节形式读取的任何内容都会立即转换为 unicode；您在程序中作为文字的任何内容，都将其设为 unicode 文字，除非它出于某种原因明确需要成为字节串。这导致了unicode 三明治，这通常会让你的生活更轻松。

对于文字，您要么希望将字符串声明为u'má'，要么具有：

from __future__ import unicode_literals

靠近脚本顶部以制作'un-prefixed strings'unicode。您得到的错误意味着您已经完成了这一点。

要读入一个 unicode 字符串，您需要意识到它raw_input会为您提供一个字节字符串 - 因此，您需要使用它的.decode方法对其进行转换。您需要传递.decode您的 STDIN 的编码 - 它可以作为sys.stdin.encoding（不要只是假设这是 UTF8 - 它通常会，但并非总是如此） - 所以，整行将是：

string = raw_input(...).decode(sys.stdin.encoding)

但是到目前为止，最简单的解决方法是如果可以的话升级到 Python 3 - 那里input()（它的行为类似于 Py2raw_input否则）给你一个 unicode 字符串（它需要.decode你，所以你不必记住它），并且默认情况下，无前缀字符串是 unicode 字符串。这一切都使得处理重音字符变得更容易——它本质上意味着你尝试的逻辑只能在 Py3 中工作，因为它做了正确的事情。

但是请注意，您看到的错误仍然会出现在 Py3 中 - 但由于默认情况下它会做正确的事情，因此您必须努力工作才能遇到它。但如果你这样做了，比较只会是 False，没有警告 - Py3 不会尝试在字节字符串和 unicode 字符串之间进行隐式转换，因此任何字节字符串将始终与任何 unicode 字符串进行比较，并尝试对它们进行排序抛出异常。

于 2012-06-17T04:06:36.350 回答
0

请注意，您与 IDLE 与 PyDev 有所不同，因为 PyDev 会将 PYTHONIOENCODING 设置为启动配置 > 通用 > 编码中的编码。并且还将使用该编码执行 sys.setdefaultencoding（它有一个自定义 sitecustomize.py）。

于 2012-06-25T11:47:19.510 回答
0

一种选择是像在 :: 中那样去除字符重音符号，在 python unicode 字符串中删除重音符号的最佳方法是什么？在其他位置阅读后，我发现您可以在# -*- coding: utf-8 -*-之后设置选项#!/usr/bin/python以将所有字符串保留在 unicode 中，这可能会有所帮助。在这种情况下，您可能需要运行s = raw_input().decode('utf8')才能获得正确的 unicode。

于 2012-06-17T03:04:46.047 回答