json encoding - 为什么 utf8 和 utf-8 产生不同的输出？

Question

这两个命令输出不同的结果：

In [102]: json.dumps({'Café': 1}, ensure_ascii=False, encoding='utf-8')
Out[102]: '{"Caf\xc3\xa9": 1}'

In [103]: json.dumps({'Café': 1}, ensure_ascii=False, encoding='utf8')
Out[103]: u'{"Caf\xe9": 1}'

utf-8 和 utf8 有什么区别？

Answer 1

请注意，第二次迭代返回一个 Unicode 对象。

这看起来很奇怪，但文档指出了这一点：

如果 ensure_ascii 为 False，则结果可能包含非 ASCII 字符，返回值可能是 unicode 实例。

如果输入是 UTF-8 编码字符串（非 Unicode），则似乎只有“UTF-8”适用于 ensure_ascii=False AND。使用 Unicode 输入：

>>> json.dumps({u'Caf€': 1}, ensure_ascii=False, encoding='utf-8')
u'{"Caf\u20ac": 1}'

使用 ensure_ascii=False，所有其他有效编码都返回一个 Unicode 实例。

如果设置ensure_ascii=True，那么编码是一致的，可以和其他编码一起使用，比如“windows-1252”（输入需要是Unicode）

我猜理由是 JSON 应该是 ASCII 并且所有编码都应该被转义，即使它是 UTF-8。

为避免任何意外，请遵循以下规则：

为了正确的规格。 ASCII JSON：

1. 传递 Unicode 对象

2. 呼叫：

   >>> json.dumps({u'Caf€': 1}, ensure_ascii=True)
   '{"Caf\\u20ac": 1}'
   

UTF-8 编码 JSON：

1. 传递 Unicode 对象

2. 呼叫：

   >>> json.dumps({u'Caf€': 1}, ensure_ascii=False).encode("utf-8")
   '{"Caf\xe2\x82\xac": 1}'