Python 解码Unicode字符串；这意味着什么？我如何避免？

我正在寻找一种将用户提供的字符串转换为UTF-8的简单方法。它不必非常聪明；它应该处理所有ASCII字节字符串和所有Unicode字符串（2.x

Unicode

，3.x

str

）

由于

unicode

在3.x中消失了，

str

改变了含义，因此我认为最好检查

decode

方法的存在，并调用该方法，而不使用参数，让Python根据区域设置确定要做什么，而不是执行

isinstance

检查。结果证明这根本不是个好主意：

>>> u"één"
u'\xe9\xe9n'
>>> u"één".decode()
Traceback (most recent call last):
  File "<ipython-input-36-85c1b388bd1b>", line 1, in <module>
    u"één".decode()
UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-1: ordinal not in range(128)

>>u“俎n”
u'\xe9\xe9n'
>>>解码
回溯（最近一次呼叫最后一次）：
文件“”，第1行，在
解码
UnicodeEncodeError:“ascii”编解码器无法对位置0-1中的字符进行编码：序号不在范围内（128）

我的问题有两个方面：

为什么会有

unicode.decode

方法？我认为Unicode字符串被认为是“未编码的”。这看起来是获得双重编码字符串的可靠方法

如何以与Python3向前兼容的方式解决这个问题

---

说“解码”unicode字符串是没有用的。你想把它编码成字节

unicode。decode

仅因历史原因而存在；它的语义毫无意义。因此，它在Python 3中已被删除

然而，

编码

/

解码

语义在历史上已经扩展到包括（字符）字符串到字符串或字节到字节的编码，如rot13或bzip2。在Python3.1中，这些伪编码被删除，并且

通常，您应该设计接口，使其接受字符或字节字符串。接受两者的接口（除了向后兼容性之外）是一种代码味道，很难测试，容易出现错误（如果有人通过UTF-16字节怎么办？），并且首先语义有问题

---

如果必须有一个同时接受字符和字节字符串的接口，那么可以检查Python 3中是否存在

decode

方法。如果您希望代码也能在2.x中工作，那么“解码”unicode字符串是没有用的。你想把它编码成字节

unicode。decode

仅因历史原因而存在；它的语义毫无意义。因此，它在Python 3中已被删除

然而，

编码

/

解码

语义在历史上已经扩展到包括（字符）字符串到字符串或字节到字节的编码，如rot13或bzip2。在Python3.1中，这些伪编码被删除，并且

通常，您应该设计接口，使其接受字符或字节字符串。接受两者的接口（除了向后兼容性之外）是一种代码味道，很难测试，容易出现错误（如果有人通过UTF-16字节怎么办？），并且首先语义有问题

---

如果必须有一个同时接受字符和字节字符串的接口，那么可以检查Python 3中是否存在

decode

方法。如果您希望代码也能在2.x中工作，那么str和unicode之间的转换并不是编码/解码的唯一目的。还有编解码器

例如（在Python 2中）：

---

我对Python3还不太熟悉，无法判断它在那里是否有效。

编码/解码的唯一目的并不是在str和unicode之间进行转换。还有编解码器

例如（在Python 2中）：

我对Python3还不够熟悉，无法判断它在那里是否有效

Unicode对象有一个decode（）方法，因为它继承自basestring，basestring有一个，所以Unicode也必须有一个

在Python2或Python3中，通过从不解码Unicode字符串来解决这个问题。正如你所指出的，这样做毫无意义。所以不要

那么，在Python2和Python3中如何在兼容的等待中处理这个问题呢？嗯，二进制数据不使用字符串，而是使用字节。他们有一个decode（）方法，可以在所有版本的Python中使用

有关这方面的更多信息，请参见和

Unicode对象有一个decode（）方法，因为它继承自basestring，basestring有一个，所以Unicode也必须有一个

在Python2或Python3中，通过从不解码Unicode字符串来解决这个问题。正如你所指出的，这样做毫无意义。所以不要

那么，在Python2和Python3中如何在兼容的等待中处理这个问题呢？嗯，二进制数据不使用字符串，而是使用字节。他们有一个decode（）方法，可以在所有版本的Python中使用

---

有关这方面的更多信息，请参见《我的想法》。但是，我如何解决从任何

基串

到UTF-8的问题，而不使用

isinstance

？更新了答案。这是一个首先不应该出现的问题——你应该知道你通过了什么。如果您想要Python2和Python3的兼容性，恐怕必须使用

isinstance

。正如我所想。但是，我如何解决从任何

基串

到UTF-8的问题，而不使用

isinstance

？更新了答案。这是一个首先不应该出现的问题——你应该知道你通过了什么。如果你想要Python2和Python3的兼容性，恐怕你必须使用

isinstance

。这正是Python3修复的Unicode字符串解码方法的缺点。这正是Python3修复的Unicode字符串解码方法的缺点。哇，完全出乎意料的是+1。“十六进制”对于字符串到字符串的对话，仅在2.x中可用；哇，完全出乎意料的是+1。字符串对字符串对话的“十六进制”是唯一可用的

>>> u'123'.encode('hex')
'313233'
>>> '313233'.decode('hex')
'123'
>>> u'313233'.decode('hex')
'123'