帶有打印和格式的unicode字符串輸出不一致（）

Question

我從數據庫查詢中讀取一個值，該值生成一個unicode字符串。由於此處無關的原因，數據輸入人員將字符串值輸入到數據庫中，如「Assessor's Parcel」（注意「反向」撇號）。我正在編寫剛剛通過選定數據庫記錄並打印出文本的代碼。我使用.format（）操作將變量中的文本插入到打印輸出中。衆所周知，傳遞unicode字符串時.format失敗。因此，減少這種對難題，我提出下面的例子：

>>> a = u"Assessor’s Parcel" 
>>> a 
u'Assessor\u2019s Parcel' 
>>> print a 
Assessor’s Parcel 
>>> "{0}".format(a) 
Traceback (most recent call last): 
    File "<interactive input>", line 1, in <module> 
UnicodeEncodeError: 'ascii' codec can't encode character u'\u2019' in position 8: ordinal not in range(128) 
>>> 

以上線是從的PythonWin的「交互窗口」（PythonWin的2.7.5（默認情況下，22:43 2013年5月15日，： 36）在win32上[MSC v.1500 32位（Intel）]。）

爲什麼'print a'產生的輸出不僅僅是'a'？爲什麼呢，如果其中任何一個能產生合理的輸出，.format（）不能？

如果我確定我不能輸出unicode文本（對於某些尚未知的原因），並且我會滿足包含「\ u」語法的輸出，那麼是否真的必須包裝我的所有字符串在某些代碼（方法或其他）中執行轉換的數據庫值的輸出？

Answer 1

只是use unicode！ （請注意，你的錯誤是該HOWTO的第一個例子）

這個問題不是格式化，而是因爲你試圖把一個unicode對象放入一個字節串，所以它試圖對它進行編碼使用ascii的默認編碼）。相反，如果你試圖把它格式化成Unicode字符集的文字就沒有問題..

>>> a = u"Assessor’s Parcel" 
>>> '{}'.format(a) 
Traceback (most recent call last): 
    File "<stdin>", line 1, in <module> 
UnicodeEncodeError: 'ascii' codec can't encode character u'\u2019' in position 8: ordinal not in range(128) 
>>> u'{}'.format(a) 
u'Assessor\u2019s Parcel' 
>>> print u'{}'.format(a) 
Assessor’s Parcel 
>>> 

它也不會是一個問題，如果你把一個字節串到字節串。

>>> '{}'.format(a.encode('utf8')) 
'Assessor\xe2\x80\x99s Parcel' 
>>> print '{}'.format(a.encode('utf8')) 
Assessor’s Parcel 
>>> 

但是，這使得以後輸出到另一個（不同的）編碼更加困難。

Answer 2

簡單'a'要求類的方法中的「最原始」的值的形式。打印通過str（）轉換值的驅動器。格式表達式通過另一個不同的轉換髮送它，一個當前以ASCII工作。

Answer 3

下面是我的幾次嘗試正確打印。 print a.encode('utf-8')似乎是一個解決方案：

>>> a = u"Assessor’s Parcel" 
>>> a 
u'Assessor\u2019s Parcel' 

>>> print a 
Assessor’s Parcel 

>>> "{0}".format(a) 
Traceback (most recent call last): 
    File "<stdin>", line 1, in <module> 
UnicodeEncodeError: 'ascii' codec can't encode character u'\u2019' in position 8: ordinal not in range(128) 

>>> a.encode('utf-8') 
'Assessor\xe2\x80\x99s Parcel' 

>>> print a..encode('utf-8') 
    File "<stdin>", line 1 
    print a..encode('utf-8') 
      ^
SyntaxError: invalid syntax 

>>> print a.encode('utf-8') 
Assessor’s Parcel 

>>> print a.encode('utf-8') 
Assessor’s Parcel 

>>> print a..encode('utf-8') 
    File "<stdin>", line 1 

    print a..encode('utf-8') 
      ^
SyntaxError: invalid syntax 

>>> a.encode('utf-8') 
'Assessor\xe2\x80\x99s Parcel' 

>>> print a.encode('utf-8') 
Assessor’s Parcel 

Answer 4

在交互式shell中，'a'確實打印出一個表示。您可以使用print repr(a)

print a將打印str(a)輸出到標準輸出。 print將始終編碼輸出，無論輸出的編碼是什麼。所以print a類似於sys.stdout.write(a.encode(sys.stdout.encoding) + "\n")

請注意u"string"和"string"之間的區別。首先是一個Unicode字符串 - 一個Unicode代碼點的序列，而後者是一個二進制字符串 - 一個字節序列。Python 3在兩者之間做出了更加嚴格的區分（我實際上更喜歡Python 3，因爲它更挑剔，因此更好地告訴我我做錯了什麼）

在"{0}".format(a),"{0}"是一個二進制字符串。您嘗試在該二進制字符串中格式化非ASCII字符的unicode字符串。這失敗了，因爲你需要告訴Python如何從Unicode轉換爲二進制字符串。所以你可以這樣做："{0}".format(a.encode('utf-8'))。

但是，您可能不想要一個格式化的二進制字符串，而是一個格式化的Unicode字符串。在這種情況下，您可以編寫：u"{0}".format(a)