一道关于 Python 字符类型面试题


a = u'China'
b = 'China'
c = u'中国'
d = '中国'
# 1
print '%s %s' % (a, b)
# 2
print '%s' % c
# 3
print '%s' % d
# 4
print '%s %s' % (c, d)

先说正确答案,只有最后一行会报错。

Python2,默认的字符类型是 str,这个 str 和 Python3 的 str 完全不同,Python2 的 str 类型是 8 位的 ascii 序列。
Python2 在处理 str 类型转换时遵循这样的规则:如果被处理的 str 型变量值小于 7 位,就可以和 unicode 类型混用。可以做 + 连接,格式化等操作,同 unicode 享受同样的待遇。Python2 在格式化字符时,会把 str 格式化为 str,如果字符串里混入了 unicode,就会把其他字符都转化为 unicode。
所以这道题里 1 处的 a,b 两个值混合后的字符就是一个 unicode 字符串,c 和 d 单独格式化后仍保留了自己的格式。但是 Python2 在格式化代码位置 4 时,发现 c 是 unicode 而 d 不是,就会尝试按照上面的混用规则,格式化 d 为 unicode 类型,但是 d 的值'中国'显然是一个大于 7 位的 str,因此 Python2 抛出 UnicodeDecodeError。
Python3 里,str 类型则变成了一个纯 unicode 字符,也就是说 Python3 里的 str 等价于 Python2 里的 unicode 类型。Python3 里为了清晰明了,使用 bytes 代表 8 位 ascii 序列。除此之外,Python3 严格禁止混用两种类型。
使用 Python2 处理字符串,尤其是中文字符串,最好前边加上 u。Python2 里不要混用 str 和 unicode,如果处理文本时,先将全部数据格式化成 unicode。

分享:

评论