JSON编码 - 为什么utf8和utf-8会产生不同的输出？

Question

这两个命令输出的结果不同：

In [102]: json.dumps({'Café': 1}, ensure_ascii=False, encoding='utf-8')
Out[102]: '{"Caf\xc3\xa9": 1}'

In [103]: json.dumps({'Café': 1}, ensure_ascii=False, encoding='utf8')
Out[103]: u'{"Caf\xe9": 1}'

“utf-8”和“utf8”有什么区别呢？其实它们是一样的编码格式，只是在命名上稍有不同。请注意保留原有的HTML标签。

- usual me

Answer 1

注意第二次迭代返回的是Unicode对象。

看起来很奇怪，但文档已经解释了：

如果ensure_ascii为False，则结果可能包含非ASCII字符，并且返回值可能是一个unicode实例。

似乎只有“UTF-8”与ensure_ascii = False配合使用，并且如果输入是一个UTF-8编码的字符串（而不是Unicode），才能正常工作。对于Unicode输入：

>>> json.dumps({u'Caf€': 1}, ensure_ascii=False, encoding='utf-8')
u'{"Caf\u20ac": 1}'

使用ensure_ascii=False，所有其他有效编码返回Unicode实例。

如果设置ensure_ascii=True，则编码是一致的，并且可以与其他编码一起使用，例如“windows-1252”（输入必须是Unicode）

我猜想的理由是JSON应该是ASCII，并且所有编码都应该被转义，即使是UTF-8也是如此。

为了避免任何意外，请遵循以下规则：

对于正确的规范ASCII JSON：

1. Pass Unicode object

2. Call:

   >>> json.dumps({u'Caf€': 1}, ensure_ascii=True)
   '{"Caf\\u20ac": 1}'
   

UTF-8编码的JSON：

1. Pass Unicode object

2. Call:

   >>> json.dumps({u'Caf€': 1}, ensure_ascii=False).encode("utf-8")
   '{"Caf\xe2\x82\xac": 1}'
   

- Alastair McCormack