为什么Python 2的raw_input输出Unicode字符串？

Question

我在Codecademy的Python教程上尝试了以下内容

hobbies = []

# Add your code below!
for i in range(3):
    Hobby = str(raw_input("Enter a hobby:"))
    hobbies.append(Hobby)

print hobbies

使用此方法，一切都很好，但如果我尝试

Hobby = raw_input("Enter a hobby:")

我得到了 [u'Hobby1', u'Hobby2', u'Hobby3']。这里的额外的 u 是从哪里来的？

- user1936752

---

也许你可以在这里找到答案。问题是Python字符串以[u'String']的形式打印输出。 - KIDJourney

你正在使用哪个版本的Python？在Python 2.7中，我两者都收到相同的结果。u代表Unicode编码。 - EbraHim

也许这与它运行的控制台有关？ - Byte Commander

我使用了CodeAcademy的Web控制台。我认为它运行的是2.7版本。 - user1936752

@KIDJourney 这不是重复的问题：“为什么raw_input()返回Unicode”（而在Python 2中应该返回字节串）与“为什么打印包含Unicode字符串的列表会产生[u'']”是两个不同的问题。 - jfs

Answer 1

这个问题的主题可能会有点误导性：Python 2的raw_input()通常返回一个字节字符串，而不是Unicode字符串。

但是，如果它或sys.stdin已被更改或替换（由应用程序或作为Python的另一种实现的一部分），它可能返回Unicode字符串。

因此，我认为@ByteCommander的评论是正确的：

也许这与它运行的控制台有关？

Codecademy使用的Python表面上是2.7，但是(a)它是通过使用Emscripten将Python解释器编译成JavaScript实现的，(b)它在浏览器中运行；因此，在这些因素之间，Codecademy可能注入了一些字符串编码和解码，这在纯vanilla CPython中不存在。

注意：我自己没有使用过Codecademy，也没有任何内部了解。

- John Y

---

只想说这几乎肯定就是了。我正在寻找一般性答案，而且肯定是因为我在 Codecademy Python 2.7 课程中进行了越野操作导致的。这一定是他们那边的问题。很高兴知道默认行为是合理的。 - jerclarke

Answer 2

'u' 表示它是Unicode编码。你也可以使用 raw_input().encode('utf8') 来将其转换为字符串。

编辑： 我在Python 2.7中检查后发现它返回字节字符串而不是Unicode字符串，所以问题应该出现在其他地方。

编辑： 如果sys.stdin.encoding是Unicode，则raw_input()返回Unicode。

在codeacademy Python环境中，sys.stdin.encoding和sys.stdout.decoding都没有设置， 默认的编码方式是ASCII。

只有当Python无法从环境中找到合适的编码方式时，才会使用此默认编码方式。

- sriramganesh

---

Python 2.X 中的 raw_input() 返回字节字符串，而不是 Unicode 字符串。还有其他问题。 - Mark Tolonen

@MarkTolonen：在Python 3中没有raw_input()函数，因此可以肯定地说raw_input()始终返回一个字节串，除非第三方模块（如win-unicode-console）覆盖了其行为。 - jfs

@MarkTolonen你说过“在Python 2.X中，raw_input()返回字节字符串”，这可能被解释为在Python 3上的行为不同。我说过“在Python 3上没有raw_input()”，以消除歧义。我同意你的观点，我的评论只是一个补充。 - jfs

这里的主要问题是，这个答案提供了明显错误的信息。:( 我理解即使它是错误的，因为提问者不知道更好的方法，它也可能被接受。但是它是如何获得多个赞成票的呢？ - John Y

我根据@John Y的评论取消了答案的接受。 - user1936752

Answer 3

多余的 u 是从哪里来的？

• raw_input() 在你的环境中返回 Unicode 字符串
• 如果你打印一个列表（转换成字符串），则会为每个项目调用 repr()
• Unicode 字符串的文本表示形式 (repr()) 与 Python 中的 Unicode 文字相同：u'abc'。

这就是为什么 print [raw_input()] 可能会产生：[u'abc']。

在第一个代码示例中看不到 u''，因为 str(unicode_string) 调用了等效于 unicode_string.encode(sys.getdefaultencoding()) 即将 Unicode 字符串转换为字节字符串——除非你有意这样做，否则不要这样做。

raw_input() 能返回 unicode 吗？

可以：

#!/usr/bin/env python2
"""Demonstrate that raw_input() can return Unicode."""
import sys

class UnicodeFile:
    def readline(self, n=-1):
        return u'\N{SNOWMAN}'

sys.stdin = UnicodeFile()
s = raw_input()
print type(s)
print s

输出：

<type 'unicode'>
☃

一个实际的例子是win-unicode-console包，它可以替换raw_input()来支持在Windows上输入超出控制台代码页范围的Unicode字符。相关：这里是为什么应该替换sys.stdout。

raw_input()可以返回unicode吗？

可以。

raw_input()被记录返回一个字符串：

该函数从输入中读取一行，将其转换为字符串（去除尾随换行符），并返回该字符串。

Python 2中的字符串可以是字节串或Unicode字符串：isinstance(s, basestring)。

CPython实现的raw_input()支持Unicode字符串，builtin_raw_input()可以调用PyFile_GetLine()，而PyFile_GetLine()认为bytestrings和Unicode字符串都是字符串——否则会引发TypeError("object.readline() returned non-string")异常。请注意保留HTML标记。

- jfs

Answer 4

您可以在将字符串添加到列表之前对其进行编码：

hobbies = []

# Add your code below!
for i in range(3):
    Hobby = raw_input("Enter a hobby:")
    hobbies.append(Hobby.encode('utf-8')

print hobbies

- LaPriWa

---

在这种情况下，编码是不必要的。只有当第一行没有以str()开头时才需要它。 - user1936752