Python Doctest由于unicode导致u

我正在为输出标记化单词列表的函数编写doctest

r'''

>>> s = "This is a tokenized sentence s\u00f3"
>>> tokenizer.tokenize(s0)
['This', 'is', 'a', 'tokenized', 'sentence', 'só']

'''

使用Python3.4我的测试顺利通过

使用Python2.7我得到：

Expected:
  ['This', 'is', 'a', 'tokenized', 'sentence', 'só']
Got:
  [u'This', u'is', u'a', u'tokenized', u'sentence', u's\xf3']

---

我的代码必须同时在Python3.4和Python2.7上工作。如何解决这个问题？

Python 3对Unicode对象使用不同的字符串文本。没有

u

前缀（在规范表示中），一些非ascii字符按字面意思显示，例如，

'só'

是Python 3中的Unicode字符串（如果您在输出中看到它，它是Python 2上的bytestring）

如果您感兴趣的是函数如何将输入文本拆分为标记；您可以在单独的行上打印每个标记，以使结果与Python 2/3兼容：

print("\n".join(tokenizer.tokenize(s0)))
This
is
a
tokenized
sentence
só

作为替代方案，您可以，例如：

#!/usr/bin/env python
r"""
>>> u"This is a tokenized sentence s\u00f3".split()
[u'This', u'is', u'a', u'tokenized', u'sentence', u's\xf3']
"""
import doctest
import re
import sys

class Py23DocChecker(doctest.OutputChecker):
    def check_output(self, want, got, optionflags):
        if sys.version_info[0] > 2:
            want = re.sub("u'(.*?)'", "'\\1'", want)
            want = re.sub('u"(.*?)"', '"\\1"', want)
        return doctest.OutputChecker.check_output(self, want, got, optionflags)

if __name__ == "__main__":
    import unittest

    suite = doctest.DocTestSuite(sys.modules['__main__'], checker=Py23DocChecker())
    sys.exit(len(unittest.TextTestRunner().run(suite).failures))

---

测试

unicode

名称，并相应调整测试（如果已定义）？由于这些脆弱性，你从来都不喜欢doctest。你可以找到一个这样做的例子，看看这个答案。最简单的方法是将测试更改为

>>标记器。标记器（s0）=[…]\n使用

可能重复的