Question

我正在尝试使用比较字符串对象的列表解析，但其中一个字符串是utf-8，它是json.loads的副产品。情形：

us = u'MyString' # is the utf-8 string

我的问题的第一部分，为什么这会返回False？：

us.encode('utf-8') == "MyString" ## False

第二部分 - 我如何在列表理解中进行比较？

myComp = [utfString for utfString in jsonLoadsObj
           if utfString.encode('utf-8') == "MyString"] #wrapped to read on S.O.

编辑：我使用的是使用Python 2.7的Google App Engine

以下是问题的更完整示例：

#json coming from remote server:
#response object looks like:  {"number1":"first", "number2":"second"}

data = json.loads(response)
k = data.keys()

I need something like:
myList = [item for item in k if item=="number1"]  

#### I thought this would work:
myList = [item for item in k if item.encode('utf-8')=="number1"]

Answer 1

你必须循环错误的数据集;只需直接在JSON加载的字典上循环，就不需要先调用.keys()：

data = json.loads(response)
myList = [item for item in data if item == "number1"]

您可能希望使用u"number1"来避免Unicode和字节字符串之间的隐式转换：

data = json.loads(response)
myList = [item for item in data if item == u"number1"]

两个版本工作正常：

>>> import json
>>> data = json.loads('{"number1":"first", "number2":"second"}')
>>> [item for item in data if item == "number1"]
[u'number1']
>>> [item for item in data if item == u"number1"]
[u'number1']

请注意，在您的第一个示例中，us 不是 UTF-8字符串;它是unicode数据，json库已经为你解码了。另一方面，UTF-8字符串是序列编码的字节。您可能希望阅读Unicode和Python以了解其中的区别：

The Absolute Minimum Every Software Developer Absolutely, Positively Must Know About Unicode and Character Sets (No Excuses!)
Python Unicode HOWTO
Pragmatic Unicode

在Python 2上，你期望你的测试返回True是正确的，你做错了其他事情：

>>> us = u'MyString'
>>> us
u'MyString'
>>> type(us)
<type 'unicode'>
>>> us.encode('utf8') == 'MyString'
True
>>> type(us.encode('utf8'))
<type 'str'>

没有需要将字符串编码为UTF-8进行比较;改为使用unicode文字：

myComp = [elem for elem in json_data if elem == u"MyString"]

Answer 2

您正在尝试将字符串（'MyString'）与一串Unicode代码点（u'MyString'）进行比较。这是一个“苹果和橘子”的比较。不幸的是，Python 2在某些情况下假装这种比较是有效的，而不是总是返回False：

>>> u'MyString' == 'MyString'  # in my opinion should be False
True

由您作为设计人员/开发人员来决定正确的比较应该是什么。这是一种可能的方式：

a = u'MyString'
b = 'MyString'
a.encode('UTF-8') == b  # True

我推荐以上代替a == b.decode('UTF-8')，因为所有u''样式字符串都可以使用UTF-8编码为字节，但可能在某些奇怪的情况下，但并非所有字节字符串都可以解码为Unicode那样。

但是如果你在比较之前选择对Unicode字符串进行UTF-8编码，那么在Windows系统上会出现类似的情况：u'Em dashes\u2014are cool'.encode('UTF-8') == 'Em dashes\x97are cool'。但是，如果你.encode('Windows-1252')取而代之，它就会成功。这就是为什么它是苹果和橘子的比较。

Answer 3

我假设你正在使用Python 3. us.encode('utf-8') == "MyString"返回False，因为str.encode()函数是returning a bytes object：

In [2]: us.encode('utf-8')
Out[2]: b'MyString'

在Python 3中，字符串为already Unicode，因此u'MyString'是多余的。

如何将unicode类型与python中的字符串进行比较？

3 个答案: