Python Unicode字符串字面量:: '\u0391'和u'\u0391'有什么区别？

Question

我正在使用Python 2.7.3版本，有人可以解释一下以下字面值之间的区别吗:

'\u0391'

并且：

u'\u0391'

以下是它们在 REPL 中的不同回显方式（特别是添加到 a1 的额外斜杠）：

>>> a1='\u0391'
>>> a1
'\\u0391'
>>> type(a1)
<type 'str'>
>>> 
>>> a2=u'\u0391'
>>> a2
u'\u0391'
>>> type(a2)
<type 'unicode'>
>>> 

- Marcus Junius Brutus

---

值得注意的是，在Python 3中，它们是相同的，并且都属于类型str，因为str现在是Unicode（但是b'\u0391'仍然等同于您的a1，只不过它是bytes类型）。 - abarnert

Answer 1

您只能在Unicode字符串文字中使用Unicode转义符（\uabcd）。它们在字节字符串中没有意义。Python 2的Unicode文本（u'some text'）是一种不同类型的Python对象，与python字节字符串（'some text'）不同。

这就像使用\t与\T一样；前者在Python文字中有意义（被解释为制表符），而后者只表示反斜杠和大写字母T（两个字符）。

为了帮助理解Unicode和字节字符串之间的区别，请阅读Python Unicode HOWTO；我还可以推荐Joel Spolsky on Unicode article。

注意：在Python 3中，相同的差异适用，但'some text'是Unicode字符串文字，而b'some text'是字节字符串语法。

- Martijn Pieters

---

如果你想要一个包含\u0391的str，你需要选择一种编码方式，然后写出例如 u'\u0391'.encode('utf-8')，这将给你 '\xce\x91'。 - abarnert

如果u'一些文本'与'some text'不同，那么如何解释：u'a' == 'a'，其结果为True？ - Marcus Junius Brutus

@MarcusJuniusBrutus：当比较两个时，Python会自动解码为Unicode。您也可以将浮点数与整数进行比较，但这并不意味着它们是相同的类型。Python解码字节字符串以尝试测试；尝试u'\u0391' == u'\u0391'.encode('utf8')，您将收到警告（默认情况下从ASCII进行解码）。 - Martijn Pieters

@MarcusJuniusBrutus：同样的，1 == 1.0 是 True。相等并不一定意味着身份相同。 - abarnert

@MartijnPieters：是的，在你编辑回复之后，我删除了我的评论。 （但你确定它是来自ASCII而不是sys.getdefaultencoding()吗？当然，在2.7中通常是ASCII...） - abarnert

@abarnert: 没错；我不想让事情变得更加复杂，更不用说让人们认为设置默认编码是一件好事。在Python 2中，ASCII是默认编码，而且是的，当自动将Unicode转换为字节或反之时，会使用sys.getdefaultencoding()。 - Martijn Pieters

Answer 2

与 C 语言不同，Python 中的字符串可以用单引号（'）或双引号（"）括起来，除了三个双引号 """ 之外。

因此，'\u0391' 只是一个包含字母 \、u、0、3、9 和 1 的字符串。在漂亮地打印该字符串时，\ 通过另一个 \ 进行转义。

相反，前面有一个 u 使得该字符串被视为 Unicode，所有转义都被评估。因此，u'\u0391' 被解释为“包含代码点 0391 的 Unicode 字符串”，与上述情况不同。

- Mihai Maruseac