两个明显相等的 Python Unicode UTF8 编码字符串不匹配

Question

>>> str1 = unicode('María','utf8')
>>> str2 = u'María'.encode('utf8')
>>> str1 == str2
False

这怎么可能？

以防万一，我使用的是 iPython Notebook。

Answer 1

你有一个 unicode 字符串和一个 byte 字符串。它们不是一回事。

一个持有 Unicode 值，María。另一个保存 UTF-8 编码的字节序列，'Mar\xc3\xada'。

在比较 Unicode 和字节字符串值时，Python 2 会进行隐式转换，但您不应该指望这种转换，它完全取决于为您的系统设置的默认编解码器。

如果您还不知道 Unicode 到底是什么，或者为什么 UTF-8 不是一回事，或者想了解有关编码的任何其他信息，请参阅：

• The Absolute Minimum Every Software Developer Absolutely, Positively Must Know About Unicode and Character Sets (No Excuses!) 乔尔·斯波尔斯基

• Python Unicode HOWTO

• Pragmatic Unicode by Ned Batchelder

Answer 2

字符串不能是both "Unicode" and "UTF-8 encoded"；它们是相互排斥的。因此，不同的字符串。