Question

我在python 2.7中有很多字节字符串（str，而不是unicode），包含unicode数据（utf-8编码）。

我正在尝试加入它们（"".join(utf8_strings)或u"".join(utf8_strings)）抛出

UnicodeDecodeError: 'ascii' codec can't decode byte 0xec in position 0: ordinal not in range(128)`

有没有办法对非ascii字符串使用.join()方法？我确定我可以在for循环中连接它们，但这不符合成本效益。

Answer 1

使用''.join()加入字节字符串工作得很好;如果您混合unicode和str个对象，则会看到仅出现的错误：

>>> utf8 = [u'\u0123'.encode('utf8'), u'\u0234'.encode('utf8')]
>>> ''.join(utf8)
'\xc4\xa3\xc8\xb4'
>>> u''.join(utf8)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
UnicodeDecodeError: 'ascii' codec can't decode byte 0xc4 in position 0: ordinal not in range(128)
>>> ''.join(utf8 + [u'unicode object'])
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
UnicodeDecodeError: 'ascii' codec can't decode byte 0xc4 in position 0: ordinal not in range(128)

使用Unicode值u''作为加入者，并将Unicode字符串分别添加到要加入的字符串列表时，会引发上述异常。

Answer 2

如果每个参数都是"".join(...)（无论编码是什么），

str都会有效。

您看到的问题可能与加入无关，而是与您提供的数据有关。发布更多代码，以便我们可以看到真正的错误。

带有unicode的python 2.7 string.join（）

2 个答案: