使用unicode字符串而不是常规字符串？ （Python 2.7）

Question

据我所知，Python中的字符串和unicode字符串之间存在差异。但是，每当创建一个字符串对象时，是否可以指示Python使用unicode字符串而不是常规字符串？

因此，当我收到文字输入时，我不需要使用unicode()？

我可能听起来很懒，但我只是感兴趣，如果这是可能的......

P.S。我不太了解字符编码，所以如果我有什么不对的地方请纠正我

Answer 1

例如（在GUI Shell中的pyhon interactive，diff中）：

>>> s = '你好'
>>> s
'\xe4\xbd\xa0\xe5\xa5\xbd'
>>> us = u'你好'
>>> us
u'\u4f60\u597d'
>>> print type(s)
<type 'str'>
>>> print type(us)
<type 'unicode'>
>>> len(s)
6
>>> len(us)
2

简而言之：
首先，字符串对象是一系列字符，Unicode字符串是一系列代码点（Unicode代码单元），它们是从0到0x10ffff的数字。 它们，len（字符串）将返回一组字节，len（unicode）将返回一些字符。这个序列需要在内存中表示为一组字节（意思是0-255的值）。将Unicode字符串转换为字节序列的规则称为编码   我认为你应该使用raw_input代替输入，如果你想获得bytestring。

Answer 2

在Python 2.6+中，您可以使用from __future__ import unicode_literals，但这只会使字符串文字成为Unicode。返回字节字符串的所有函数仍返回字节字符串。

示例：

>>> s = 'abc'
>>> type(s)
<type 'str'>
>>> from __future__ import unicode_literals
>>> s = 'abc'
>>> type(s)
<type 'unicode'>

对于您想要的行为，请使用Python 3。

Answer 3

  

但是，每当创建一个字符串对象时，是否可以指示Python使用unicode字符串而不是常规字符串？

Python中有两种类型的字符串（在Python 2和3上）：字节字符串（字节序列）和Unicode字符串（Unicode代码点序列）。

bytestring = b'abc'
unicode_text = u'abc'

使用'abc'字符串文字创建的字符串类型取决于Python版本和from __future__ import unicode_literals导入的存在。如果没有Python 2上的导入，'abc' literal会创建一个bytestring，否则会创建一个Unicode字符串。

如果在字符串文字中使用非ascii字符，请在Python源文件的顶部添加编码声明，例如：# -*- coding: utf-8 -*-。

  

所以当我输入文本时，我不需要使用unicode（）？

如果通过“文本输入”表示你的程序以某种方式（从文件，网络，从命令行）接收字节，那么不：你不应该依赖Python来隐式地将字节转换为Unicode - 你应该只要您使用unicode_text = bytestring.decode(character_encoding)收到字节，就会明确地执行此操作。

反之，将文本保留为程序中的Unicode。在必要时尽可能晚地将Unicode字符串转换为字节（例如，通过网络发送文本）。

使用bytestrings处理二进制数据：图像，压缩内容等。使用Unicode字符串处理Python中的文本。

要从文件use io.open()读取Unicode（如果不是locale.getpreferredencoding(False)，则必须知道正确的字符编码）。

通过网络接收Unicode文本时要使用的字符编码可能取决于相应的协议，例如the charset can be specified in Content-Type http header：

    text = data.decode(response.headers.getparam('charset'))

您可以使用universal_newlines=True或io.TextIOWrapper()从使用subprocess模块启动的外部进程获取Unicode文本。要弄清楚在Windows上应该使用什么字符编码可能并非易事（如果你阅读俄语，请参阅这里的血腥细节：Byte при печати вывода внешней команды）。