【发布时间】：2009-07-12 17:13:22
【问题描述】：
在 Python 中编码时选择 Unicode 字符串而不是常规字符串是否被认为是一种好习惯？我主要在 Windows 平台上工作，现在大多数字符串类型都是 Unicode（即 .NET 字符串、在新的 c++ 项目中默认打开“_UNICODE”等）。因此，我倾向于认为使用非 Unicode 字符串对象的情况是一种罕见的情况。无论如何，我很好奇 Python 从业者在现实世界的项目中做了什么。
【问题讨论】：
【发布时间】：2009-07-12 17:13:22
【问题描述】：
根据我的实践——使用 unicode。
在一个项目开始时，我们使用了通常的字符串，但是我们的项目正在增长，我们正在实施新功能并使用新的第三方库。在非 unicode/unicode 字符串的混乱中，一些函数开始失败。我们开始花时间定位这些问题并修复它们。但是，一些第三方模块不支持 unicode，并且在我们切换到它后开始失败（但这与其说是规则，不如说是排除）。
当我们需要重写一些第三方模块（例如 SendKeys）时，我也有一些经验，因为它们不支持 unicode。如果从一开始就用 unicode 完成会更好:)
所以我认为今天我们应该使用 unicode。
附：所有这些乱七八糟的东西只是我的拙见:)
【讨论】：
-
+1：处理文本时始终使用 unicode。每当需要将文本数据视为字节时（例如通过网络移动或写入磁盘时） - 将 unicode 转换为字节序列（在 Python 中表示为字符串）。通过调用encode或unicode进行转换。
当您提出这个问题时，我想您使用的是 Python 2.x。
Python 3.0 在字符串表示方面发生了很大变化，现在所有文本都是 unicode。
我会在任何新项目中使用 unicode - 以与切换到 Python 3.0 兼容的方式（参见 details）。
【讨论】：
-
是的，未来的兼容性很重要！
是的，使用 unicode。
一些提示：
在以任何二进制格式进行输入输出时，读取后直接解码，写入前直接编码，这样您就不需要混合字符串和 unicode。因为混合迟早会导致 UnicodeEncodeDecodeErrors。
[忘掉这个吧，我的解释让它变得更加混乱。只是移植到 Python 3 时的问题，到时候你就可以关心了。]
使用 Unicode 的常见 Python 新手错误（不是说你是新手，但这可能会被新手阅读）：不要混淆编码和解码。请记住，UTF-8 是一种编码，因此您将 Unicode 编码为 UTF-8 并从中解码。
不要陷入将 Python 中的默认编码（通过 sitecustomize.py 或类似文件中的 setdefaultencoding）设置为您最常用的任何内容的诱惑。如果您重新安装或移动到另一台计算机或突然需要使用另一种编码，那只会给您带来问题。明确。
请记住，并非所有 Python 2s 标准库都接受 unicode。如果你输入一个方法 unicode 并且它不起作用，但它应该，尝试输入它 ascii 并查看。示例：urllib.urlopen()，如果你给它一个 unicode 对象而不是一个字符串，它会失败并出现无用的错误。
嗯。我现在能想到的就这些了！
【讨论】：
-
第 3 点非常正确——我认识的每个人（包括我）都犯了这个错误，而且不止一次！
-
Re：“写完后直接编码”——你能澄清一下吗？我认为应该是“之前”而不是“之后”，但我可能错过了你的意思。
-
@Lennart：“请注意，根据 Python，即使您将 unicode 编码为一个充满非 ascii 文本的字符串，这仍然是文本。” ...在 3.x 中， str.encode() 返回类型字节，ascii 与否的区别似乎无关紧要；你想表达什么意思？
-
@ars：正确，已修复。 @John：嗯，我想我只会让事情变得更混乱。这不是重点，所以我删除了它。
-
@Lennart：默认生成 UTF-8 输出会有什么问题？这比在不同平台上做不同事情的程序要好得多。如果人们不喜欢 UTF-8，他们可以通过 iconv 进行管道传输。当程序一直在做同样的事情时，它会更可靠。我编写的每个程序，无论是 Perl、Python 还是 Java，总是强制标准输入和标准输出为 UTF-8（但接受来自环境的覆盖）。我简直无法忍受默认平台编码搞砸你的方式。
在 Python 2.x 中始终使用 unicode 字符串可能会很棘手——因为有人无意中使用了更自然的 str(blah)，他们的意思是 unicode(blah)，忘记了字符串文字上的 u 前缀，第三方模块不兼容 - 无论如何。因此，在 Python 2.x 中，仅在必要时才使用 unicode，并准备好提供良好的单元测试覆盖率。
但是，如果您可以选择使用 Python 3.x，则无需担心 - 字符串将是 unicode，无需额外的努力。
【讨论】：
除了 Mihails 的评论之外，我想说：使用 Unicode，因为它是未来。在 Python 3.0 中，非 Unicode 将消失，据我所知，所有的“U”前缀都会带来麻烦，因为它们也消失了。
【讨论】：
如果您正在处理严重受限的内存或磁盘空间，请使用 ASCII 字符串。在这种情况下，您应该另外用 C 或更紧凑的方式编写您的软件 :)
【讨论】：