Unicode字符串列表

Question

如果我有一个 Unicode 字符串列表。

lst = [ u"aaa", u"bbb", u"foo", u"bar", ... u"baz", u"zzz" ]

在每个字符串前面加上前缀u是必要的吗？我能否创建一个规则，使lst列表中的每个元素都成为Unicode字符串，并且不需要使用u前缀进行书写？

- xralf

---

这取决于您使用Python 2还是Python 3。 - user647772

我正在使用Python 2.7.2+，但如果您知道两者的答案，这对未来可能会有用。 - xralf

在Python 3.x中，默认情况下所有字符串都是Unicode编码的，任何处理文本I/O（文件、数据库、打印）的通道都需要显式编码或默认使用系统范围内的编码。 - jsbueno

Answer 1

在Python 2.7（以及Python 2.6）中，您可以将Unicode字面量设置为模块的默认值：

from __future__ import unicode_literals

你必须在文件顶部包含导入语句，它将适用于文件中的所有字符串文字。使用b前缀来强制使用字节字符串：

>>> from __future__ import unicode_literals
>>> "sss"
u'sss'
>>> b"x"
'x'

- Duncan

Answer 2

如果您的意图是将一组标准字符串转换为Unicode，则可以将该函数映射到您的列表中：

lst = ["aaa", "bbb", "ccc"]
map(unicode, lst)

这给出了

[u"aaa", u"bbb", u"ccc"]

如果lst包含非ASCII字符的字符串，你必须在该字符串前面加上u。如果没有这样做，转换时会出现以下错误：

lst = ["\xe4"]
map(unicode,lst)

Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
UnicodeDecodeError: 'ascii' codec can't decode byte 0xe4 in position 0: ordinal not in range(128)

正如评论中所指出的，这个答案对于Python 2.x或3.x是不同的。在Python 3中，一切都改变了：

你所知道的关于二进制数据和Unicode的一切都已经改变。Python 3.0使用文本和（二进制）数据的概念，而不是Unicode字符串和8位字符串。所有文本都是Unicode；然而编码的Unicode被表示为二进制数据。用于保存文本的类型是str，用于保存数据的类型是bytes。与2.x情况最大的区别是，在Python 3.0中任何尝试混合文本和数据的操作都会引发TypeError，而如果你在Python 2.x中混合Unicode和8位字符串，如果8位字符串恰好只包含7位（ASCII）字节，则可以工作，但如果它包含非ASCII值，则会得到UnicodeDecodeError。这种特定于值的行为多年来已经导致了无数的悲伤。

- Hooked

---

我想使用更好的声明来节省打字。例如 lst = u["aaa", "bbb", "ccc"]，它会告诉每个字符串都是Unicode。 - xralf

如果你不了解Unicode编码，认为“ASCII没问题”的话，请阅读http://www.joelonsoftware.com/articles/Unicode.html。 - jsbueno

@jsbueno - 我从未说默认的Python 2.x编码（ASCII）是“OK”的。我只是陈述了一种快速而简单的方法，将OP的仅为ASCII编码的列表转换为具有显式ASCII编码的Unicode表示形式。这是否是他想要的？我不太确定，因为他没有指定他想要的编码，所以我猜测了一下。为了增加这个网站的价值，如果您认为需要详细解释不同的编码，请在另一个答案中提供它！ - Hooked