python – 你的字符串’与’string’相同.代码(‘XXX’)

虽然标题是一个问题,但简短的答案显然是否定的.我试过 shell.真正的问题是为什么？
ps：string是一些非ascii字符,如中文,XXX是当前的字符串编码

>>> u'中文' == '中文'.decode('gbk')
False
//The first one is u'xd6xd0xcexc4' while the second one u'u4e2du6587'

上面的例子如上.我正在使用windows简体中文.默认编码是gbk,python shell也是.我得到了两个unicode对象不相等.

更新

a = '中文'.decode('gbk')
>>> a
u'u4e2du6587'
>>> print a
中文

>>> b = u'中文'
>>> print b

解决方法

您的示例文本未使用正确的编解码器;你有GBK编码的文本,解码为Latin1：

>>> print u'u4e2du6587'
中文
>>> u'u4e2du6587'.encode('gbk')
'xd6xd0xcexc4'
>>> u'u4e2du6587'.encode('gbk').decode('latin1')
u'xd6xd0xcexc4'

这些值确实不相等,因为它们不是同一个文本.

同样,使用正确的编解码器很重要;不同的编解码器会导致非常不同的结果：

>>> print u'u4e2du6587'.encode('gbk').decode('latin1')

我将示例文本编码为Latin-1,而不是GBK或UTF-8.解码可能已成功,但生成的文本不可读.

另请注意,粘贴非ASCII字符仅起作用,因为Python解释器已正确检测到我的终端编解码器.我可以将浏览器中的文本粘贴到终端中,然后将文本作为UTF-8编码的数据传递给Python.因为Python已经向终端询问了使用了什么编解码器,所以它能够从u’….’Unicode字面值再次解码.当打印encoded.decode(‘utf8’)unicode结果时,Python再次对数据进行自动编码以适合我的终端编码.

要查看Python检测到的编解码器,请打印sys.stdin.encoding：

>>> import sys
>>> sys.stdin.encoding
'UTF-8'

在处理不同的文本来源时,必须做出类似的决定.例如,从源文件中读取字符串文字要求您只使用ASCII(并使用转义码代替其他所有内容),或者在文件顶部为Python提供显式编解码符号.

我恳请你阅读：

> The Absolute Minimum Every Software Developer Absolutely,Positively Must Know About Unicode and Character Sets (No Excuses!) by Joel Spolsky
> Python Unicode HOWTO
> Pragmatic Unicode由Ned Batchelder

更全面地了解Unicode的工作原理,以及Python如何处理Unicode.

（编辑：商洛站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!