Question

我对unicode字符和该字符的表示之间的区别有点困惑。两者有什么区别：

>>> u'é'
>>> u'\xe9'

此外，我如何能够在'可读'unicode（é）和机器unicode（\ xe9）之间来回移动？我将如何为以下内容执行此操作？

>>> u='bj\\u00f6rk: voltaic'
>>> print u
bj\u00f6rk: voltaic

Answer 1

您想使用repr：

print repr(u)

shell中的

print u'é'为您提供str输出，shell中的u'é'会显示repr输出。

str

返回一个包含对象的可打印表示的字符串。对于字符串，这将返回字符串本身。与repr（object）的区别在于str（object）并不总是尝试返回eval（）可接受的字符串;它的目标是返回一个可打印的字符串。如果没有给出参数，则返回空字符串''。

Answer 2

repr()只适用于python 2（这显然是你正在使用的）。这里有一个更完整的答案和建议：如果您正在使用unicode，请尽可能切换到python 3. 没有充分理由尝试了解python 2如何处理文本编码，当python 3的改进是它存在的主要原因之一。

两者之间的区别是什么：
u'é' 
u'\xe9' 

这两种方法可以为python指定相同的字符串; 这两个字符串的内容没有区别：

>>> u'é' == u'\xe9'
True

就像ascii（A ord（）`中的值为62的字节chr(62) == "A"), unicode characters have a (usually) 16-bit value that is conventionally written in hexadecimal. For a single-character, you could display this value in decimal with一样（尽管那不太有用）。

当你打印你的字符串时，python会尝试显示它。当你用repr()转换它时，python会显示字符本身或转义表单，具体取决于它是否可以在文字字符串中使用。在python 3中，repr('é')只是'é'，因为它可以出现在字符串文字中。要将文本视为一个16位unicode代码点序列，您应该这样做（在python 2或3中工作）：

>>> text = u'e'
>>> print(text.encode("raw_unicode_escape"))
b'\xe9'

这是一个较长的例子（在python 3上）：

>>> text = "neé"
>>> repr(text)
"'neé'"
>>> text.encode("raw_unicode_escape")
b'ne\xe9'
>>> text.encode("utf-8")
b'ne\xc3\xa9'

请注意，UTF-8将é编码为双字节序列。 UTF-8只是一种编码，该字符的代码点为U+00e9。

Unicode与Unicode表示

2 个答案: