两个明显相同的Python Unicode UTF8编码字符串不匹配

Question

>>> str1 = unicode('María','utf8')
>>> str2 = u'María'.encode('utf8')
>>> str1 == str2
False

这怎么可能？

以防它是相关的，我正在使用iPython Notebook。

Answer 1

您有 unicode 字符串和字节字符串。它们不是一回事。

其中一个包含Unicode值María。另一个包含UTF-8编码的字节序列'Mar\xc3\xada'。

Python 2在比较Unicode和字节字符串值时会进行隐式转换，但您不应指望该转换，它完全取决于为系统设置的默认编解码器。

如果你还不知道Unicode到底是什么，或者为什么UTF-8不是同一个东西，或者想知道关于编码的任何其他信息，请参阅：

Joel Spolsky的

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

• Python Unicode HOWTO

Ned Batchelder的

• Pragmatic Unicode

Answer 2

字符串不能为both "Unicode" and "UTF-8 encoded";它们是相互排斥的。因此，不同的字符串。