为什么 Python 2 的 raw_input 输出 unicode 字符串？

Question

我在Codecademy's Python lesson上尝试了以下操作

hobbies = []

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

print hobbies

有了这个，它工作正常，但如果我尝试

Hobby = raw_input("Enter a hobby:")

我收到[u'Hobby1', u'Hobby2', u'Hobby3']。额外的us 来自哪里？

Answer 1

'u' 表示它是一个 unicode。您还可以指定raw_input().encode('utf8') 转换为字符串。

编辑： 我在 python 2.7 中检查它返回字节字符串而不是 unicode 字符串。所以问题在这里是别的东西。

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 都是 none，默认 endcoding 方案是 ascii。

只有在无法从环境中找到合适的编码方案时，Python 才会使用此默认编码。

Answer 2

您可以在将字符串附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

Answer 3

问题的主题行可能有点误导：Python 2 的 raw_input() 通常返回字节字符串，而不是 Unicode 字符串。

但是，如果它或sys.stdin 已被更改或替换（被应用程序或作为 Python 的替代实现的一部分），它可能返回一个 Unicode 字符串。

因此，我相信@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 (a) 它是通过使用 Emscripten 将 Python 解释器编译为 JavaScript 来实现的，并且 (b) 它在浏览器中运行；所以在这些因素之间，很可能有一些由 Codecademy 注入的字符串编码和解码，而这些字符串编码和解码在普通 CPython 中是不存在的。

注意：我自己没有使用过 Codecademy，也不了解它的内部工作原理。

Answer 4

额外的us 来自哪里？

• raw_input() 在您的环境中返回 Unicode 字符串
• repr() 如果您打印列表中的每个项目，则会调用它（转换为字符串）
• Unicode 字符串的文本表示 (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']。

您在第一个代码示例中看不到 u''，因为 str(unicode_string) 调用了 unicode_string.encode(sys.getdefaultencoding()) 的等价物，即它将 Unicode 字符串转换为字节字符串——除非您是认真的，否则不要这样做。

raw_input()可以返回unicode吗？

Yes:

#!/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'>
☃

实际示例是win-unicode-console 包，它可以替换raw_input() 以支持在Windows 上输入超出控制台代码页范围的Unicode 字符。相关：这里是why sys.stdout should be replaced。

可能raw_input()返回unicode？

是的。

raw_input() is documented to return a string:

该函数然后从输入中读取一行，并将其转换为 字符串 （去除尾随的换行符），然后返回。

String 在 Python 2 中是字节字符串或 Unicode 字符串：isinstance(s, basestring)。

raw_input() 的 CPython 实现明确支持 Unicode 字符串：builtin_raw_input() can call PyFile_GetLine() 和 PyFile_GetLine() considers bytestrings and Unicode strings to be strings—it raises TypeError("object.readline() returned non-string") otherwise。