Danh sách chuỗi unicode

Question

Nếu tôi có một danh sách các chuỗi unicode

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

là nó cần thiết để viết một tiền tố u trước mỗi chuỗi? Tôi có thể thực hiện một công trình nói rằng mọi phần tử của lst sẽ là chuỗi unicode và sau đó viết nó mà không có tiền tố u?

Answer 1

Trong Python 2.7 (hay còn Python 2.6), bạn có thể làm cho chữ unicode mặc định cho một mô-đun:

from __future__ import unicode_literals 

Bạn phải bao gồm việc nhập khẩu ở phía trên cùng của tập tin, và sau đó nó áp dụng cho tất cả chuỗi chữ trong tệp. Sử dụng một tiền tố b để buộc dây byte:

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

Answer 2

Nếu mục đích của bạn là để chuyển đổi một tập hợp các chuỗi tiêu chuẩn để unicode, bạn có thể lập bản đồ chức năng đó vào danh sách của bạn:

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

Mà cho

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

Nếu Tuy nhiên lst chứa một ASCII không chuỗi ký tự, bạn sẽ phải thêm tiền tố cho chuỗi cụ thể đó với u. Nếu không, bạn sẽ gặp phải lỗi này khi chuyển đổi:

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) 

Như đã lưu ý trong các nhận xét, câu trả lời này khác với Python 2.x hoặc 3.x. Trong Python 3, everything changes:

Mọi thứ bạn nghĩ bạn biết về dữ liệu nhị phân và Unicode đã thay đổi. Python 3.0 sử dụng các khái niệm về dữ liệu văn bản và (nhị phân) thay vì các chuỗi Unicode và các chuỗi 8 bit. Tất cả văn bản là Unicode; tuy nhiên mã hóa Unicode được biểu diễn dưới dạng dữ liệu nhị phân. Loại được sử dụng để giữ văn bản là str, loại được sử dụng để giữ dữ liệu là byte. Sự khác biệt lớn nhất với tình huống 2.x là mọi nỗ lực trộn văn bản và dữ liệu trong Python 3.0 đều làm tăng TypeError, trong khi nếu bạn trộn các chuỗi Unicode và 8 bit trong Python 2.x, nó sẽ hoạt động nếu 8-bit chuỗi xảy ra chỉ chứa các byte 7 bit (ASCII), nhưng bạn sẽ nhận được UnicodeDecodeError nếu nó chứa các giá trị không phải ASCII. Hành vi có giá trị cụ thể này đã gây ra nhiều khuôn mặt buồn trong những năm qua.