python 2.7中字符串格式的奇怪行为

Question

使用 xml 格式的 svn 日志时，我的脚本中不小心出错了。 错误信息是：

UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-9: ordinal not in range(128)

通过调试输入数据，我发现了问题所在。这是一个例子：

a=u'\u0440\u0435\u044c\u0434\u0437\u0444\u043a\u044b\u0443\u043a \u043c\u0443\u043a\u044b\u0448\u0449\u0442 \u0430\u0448\u0447'
>>> print a
реьдзфкыук мукышщт ашч
>>> print '{}'.format(a)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-9: ordinal not in range(128)

你能解释一下格式有什么问题吗？ 似乎它在字符串字节之前看到 u 并尝试从 UTF8 解码它。 但是在 Python 3 中，上面的示例可以正常工作。

Answer 1

您正在混合使用 Unicode 和字节字符串值。使用 unicode 格式：

print u'{}'.format(a)

演示：

>>> a=u'\u0440\u0435\u044c\u0434\u0437\u0444\u043a\u044b\u0443\u043a \u043c\u0443\u043a\u044b\u0448\u0449\u0442 \u0430\u0448\u0447'
>>> print u'{}'.format(a)
реьдзфкыук мукышщт ашч

在 Python 3 中，字符串默认是 unicode 值；在 Python 2 中，u"..." 表示 unicode 值，常规字符串 ("...") 是 byte 字符串。

混合字节字符串和 unicode 值会导致使用默认编解码器 (ASCII) 进行自动编码或解码，这就是这里发生的情况。 str.format() 方法必须将 Unicode 值编码为字节字符串以进行插值。