Question

我很困惑。考虑一下这段代码的工作方式：

>>> foo = u'Émilie and Juañ are turncoats.'
>>> bar = "foo is %s" % foo
>>> bar
u'foo is \xc3\x89milie and Jua\xc3\xb1 are turncoats.'

这段代码完全不符合我的预期：

>>> try:
...     raise Exception(foo)
... except Exception as e:
...     foo2 = e
... 
>>> bar = "foo2 is %s" % foo2
------------------------------------------------------------
Traceback (most recent call last):
  File "<ipython console>", line 1, in <module>
UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-1: ordinal not in range(128)

有人可以解释这里发生了什么吗？为什么unicode数据是在普通的unicode字符串中还是存储在Exception对象中？为什么这会解决它：

>>> bar = u"foo2 is %s" % foo2
>>> bar
u'foo2 is \xc3\x89milie and Jua\xc3\xb1 are turncoats.'

我很困惑！谢谢你的帮助！

更新：我的编码伙伴兰德尔为了帮助我而增加了我的困惑！发送增援内容以解释这是如何理解的：

>>> class A:
...     def __str__(self): return "string"
...     def __unicode__(self): return "unicode"
... 
>>> "%s %s" % (u'niño', A())
u'ni\xc3\xb1o unicode'
>>> "%s %s" % (A(), u'niño')
u'string ni\xc3\xb1o'

请注意，此处参数的顺序决定了调用哪个方法！

Answer 1

Python Language Reference有答案：

如果format是Unicode对象，或者使用%s转换转换的任何对象是Unicode对象，则结果也将是Unicode对象。

foo = u'Émilie and Juañ are turncoats.'
bar = "foo is %s" % foo

这很有效，因为foo是unicode个对象。这会导致上述规则生效并生成Unicode字符串。

bar = "foo2 is %s" % foo2

在这种情况下，foo2是Exception对象，显然不是unicode对象。因此，解释器尝试使用您的默认编码将其转换为普通str。显然，这是ascii，它不能代表那些字符并且有例外情况。

bar = u"foo2 is %s" % foo2

此处它再次起作用，因为格式字符串是unicode对象。因此，解释器也会尝试将foo2转换为unicode对象，这会成功。

关于兰德尔的问题：这也让我感到惊讶。但是，根据标准，此是（为了便于阅读而重新格式化）：

%s使用str()转换任何Python对象。如果提供的对象或格式为unicode字符串，则生成的字符串也将为unicode。

如何创建这样的unicode对象不明确。所以两者都是合法的：

调用__str__，解码回Unicode字符串，并将其插入输出字符串
调用__unicode__并将结果直接插入输出字符串

Python解释器的混合行为确实很可怕。我认为这是标准中的一个错误。

编辑：引用Python 3.0 changelog，强调我的：

您认为您对二进制数据和Unicode的了解已经发生了变化。

[...]


由于哲学的这种变化，几乎所有使用Unicode，编码或二进制数据的代码都很可能必须改变。这种变化是更好的，因为在2.x世界中，有很多错误与混合编码和未编码的文本有关。

为什么Python有时会将字符串升级为unicode，有时不会？

1 个答案: