-1

我有以下测试：

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

def test_literals():
    test_cases = [
        'aaaaa',
        'ááááá',
        u'aaaaa',
        u'ááááá',
    ]
    FORMAT = '%-20s -> %2d %s'
    for data in test_cases :
        print FORMAT % (data, len(data), type(data))

test_literals()

这使：

aaaaa                ->  5 <type 'str'>
ááááá           -> 10 <type 'str'>
aaaaa                ->  5 <type 'unicode'>
ááááá                ->  5 <type 'unicode'>

我很惊讶'ááááá'。那是什么样的字面意思？它不是 unicode，因为它没有u前缀（并且类型说str），但它也不是普通的 ascii 字符串。我想知道：

  • 它是什么？
  • 是否可以从对象的类型中获取有关basestring对象 ( unicode / str) 的更多信息？
  • 如何以十六进制转储字节？
4

1 回答 1

1
  1. 这是一个 UTF-8 编码的字符串。它正确打印的事实表明您的终端也恰好使用 UTF-8。幸运的你。该脚本在 Windows 机器上会失败。
    我怎么知道这个？您将脚本声明为 UTF-8 编码，因此 Python 将相应地解释源代码。打印时，Python 会将编码字符串的原始字节发送到控制台。如果将其设置为相同的编码，则会得到正确的输出。如果没有，你不会。
  2. 不，您需要知道正在使用的编码。理想情况下，您可以自己控制。在现实世界中，有时可能会做出有灵感的猜测（请参阅chardet），但您不能依赖于此。
  3. 请参阅@falsetru 的评论。

总而言之，如果这让您感到困惑，它可能会促使您切换到 Python 3，这一切都变得容易得多。

于 2013-10-18T13:08:41.770 回答