获取未知格式字符串并返回UTF-8字符串

Question

以下两个字符串的格式不同，但数据相同：

str1 = '\xd7\x91\xd7\xa8\xd7\xa7'
str2 = u'\u05d1\u05e8\u05e7'

我需要实现以下功能：

• 以上述任一格式输入一个字符串作为输入
• 以第一种格式返回等效字符串作为输出

我知道我可以将第二种格式的字符串编码为第一种格式。

但是如何确定输入字符串确实以第二种格式给出？

Answer 1

对于Python 3.x，正确的做法可能是try来调用encode。 （对于3.5+，此will hopefully就像try s.encode('utf-8') except AttributeError: s一样简单。）

但对于2.x，encode即使在str1上也会成功 - 首先将UTF-8字符串解码为ASCII（或任何sys.getdefaultencoding()返回），以便它可以重新对它进行编码，所以你绝对不想要它。

如果无法安全地EAFP，您别无选择，只能LBYL。所以：

if isinstance(s, unicode):
    return s.encode('utf-8')
else:
    return s

---

请注意，我在这里使用isinstance，而不是调用type并进行比较。正如PEP 8所说：

  

对象类型比较应始终使用isinstance()，而不是直接比较类型。

为什么呢？因为根据定义，子类型的实例（子类，用ABC注册的类等）应该总是被视为其超类型的实例。在某些极少数情况下，您明确需要违反该规则，在这种情况下type比较是您想要的。但否则，不要使用它们。