何时应该使用Unicode字符串？

Question

我在考虑在Python 2.7和我的Django应用程序中何时使用Unicode字符串。

是否使用约定俗成的u'一些字符串'作为每个字符串的好习惯？

例如：

// models.py
# -*- coding: UTF-8 -*-
class ModelClass(models.Model)
   field_name = models.ForeignKey(SomeModel, related_name=u'some_models')
   # ...

       class Meta:
          ordering = (u'created', u'name',)

并且

// urls.py
# -*- coding: UTF-8 -*-
urlpatterns = patterns(u'',
    url(r'^a/$', views.some_view(), name=u'a'),
    url(r'^b/(?P<pk>[0-9]+)/$', views.some_view2(), name=u'b'),
)

?

- Tom Cruise

---

从性能的角度来看，可能没有正确的答案，但使用常规字符串会更有效率。因此，除非您实际上在使用ASCII范围之外的字符，否则我建议您坚持使用常规字符串。 - Aya

Answer 1

在涉及到文本的地方，我建议您使用Unicode编码。您永远不知道Jürgen、Søren或Joël是否会在您的应用程序中展示他们的œuvre。

当您需要将数据传输到另一个进程或文件时，您应该将它们作为普通字符串（Py2）或bytes()对象（Py3）处理。为了识别这些领域之间的接口，您必须小心谨慎。

- glglgl

Answer 2

您可以在应用程序内部的任何地方使用 Unicode 编码。但是，当涉及输入/输出时，您需要注意一些问题。

其中一个问题是编码的多字节性质；一个 Unicode 字符可以由多个字节表示。如果您想以任意大小的块（例如 1K 或 4K）读取文件，则需要编写错误处理代码来捕获仅在块末尾读取了单个 Unicode 字符的部分字节的情况。一种解决方案是将整个文件读入内存，然后执行解码操作，但这会阻止您使用极大的文件；如果您需要读取 2Gb 的文件，则需要 2Gb 的 RAM。（实际上需要更多，因为至少一段时间内需要同时将编码字符串和其 Unicode 版本保存在内存中。）

根据 HOWTO中的最重要提示：

最重要的提示是：

软件应仅在内部使用 Unicode 字符串，在输出时转换为特定的编码。

- kiriloff