python 如何將 unicode 和非 unicode 元組視為平等？

Question

我正在使用 Python 2.7.11。

我有 2 個元組：

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

我試過這個：

>>> t1==t2
True

Python 如何將 unicode 和非 unicode 一視同仁？

Answer 1

Python 2 認為字節串和 unicode 相等。 順便說一句，這與包含元組無關。 相反，它與隱式類型轉換有關，我將在下面解釋。

很難用“簡單”的 ascii 代碼點來演示它，所以為了看看幕后真正發生了什么，我們可以通過使用更高的代碼點來引發失敗：

>>> 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 和字節比較時，python 通過假設字節是用sys.getdefaultencoding() （在我的平台上是“ascii” sys.getdefaultencoding()來隱式地嘗試將字節sys.getdefaultencoding()解碼為 un​​icode 對象。

在我上面剛剛展示的情況下，這失敗了，因為字節是用“utf-8”編碼的。 現在，讓我們讓它“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

您的上轉換以幾乎相同的方式“工作”，但使用“ascii”編解碼器。 字節和 unicode 之間的這種隱式轉換實際上非常邪惡，會引起很多痛苦，因此決定停止在 Python 3 中執行這些操作，因為“顯式優於隱式”。

作為一個小題外話，在 Python 3+ 上，您的代碼實際上都表示 unicode 字符串文字，因此無論如何它們都是相等的。 u 前綴被默默忽略。 如果你想在 python3 中使用字節b'this'文字，你需要像b'this'一樣指定它。 然后，您可能需要 1) 顯式解碼字節，或 2) 在進行比較之前顯式編碼 unicode 對象。