Question

myString = 'éíěřáé'

我需要将此字符串解码为unicode。下面的用法和这两种方法之间有什么区别吗？

myString.decode(encoding='UTF-8', errors='ignore')

和

unicode(myString, encoding='UTF-8', errors='ignore')

Answer 1

unicode构造函数可以采用除字符串之外的其他类型：

>>> unicode(10)
u'10'

但是对于bytestring情况，这两种形式大多是等价的。某些编码选项对unicode构造函数无效，因为它们不会导致unicode输出，但对于.decode字节串方法有效，例如'hex'：

>>> unicode('10', encoding='hex')
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: decoder did not return an unicode object (type=str)

Answer 2

它们基本相同，但在任何一种情况下都有一些小的性能捷径; str.decode知道它的参数是一个字符串，因此它可以快捷地对其参数进行类型检查，而unicode.__new__包含一些常见编码的快捷方式，包括UTF-8。

在一般情况下，两种方法都会调用PyCodec_Decode。

Answer 3

在Python 2.x中str.decode()可能会导致unicode对象或另一个str。 unicode()函数仅适用于导致unicode对象的编码。

例如：

>>> "x\x9cKLJ\x06\x00\x02M\x01'".decode('zip')
'abc'
>>> unicode("x\x9cKLJ\x06\x00\x02M\x01'", encoding='zip')
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: decoder did not return an unicode object (type=str)
>>>

请注意，在内部它们的工作方式与调用unicode()的方式大致相同，表明它确实解码了对象，然后才反对结果的类型。

string.decode（）与unicode（字符串）

3 个答案: