获取未知格式字符串并返回UTF8字符串

Question

以下两个字符串格式不同，但数据相同：

str1 = '\xd7\x91\xd7\xa8\xd7\xa7'
str2 = u'\u05d1\u05e8\u05e7'

我需要实现以下功能：

• 以上述任一格式的字符串作为输入
• 以第一种格式返回等效字符串作为输出

我知道我可以把第二种格式的字符串编码成第一种格式。你知道吗

但是如何确定输入字符串确实是以第二种格式给出的呢？你知道吗

Answer 1

对于python3.x，正确的做法可能是try调用encode。（对于3.5+，这个will hopefully就像try s.encode('utf-8') except AttributeError: s一样简单。）

但是对于2.x，encode即使在str1上也会成功—首先将UTF-8字符串解码为ASCII（或者sys.getdefaultencoding()返回的任何内容），这样它就可以重新编码它，所以您肯定不希望这样。你知道吗

当无法安全地EAFP时，您别无选择，只能LBYL。所以：

if isinstance(s, unicode):
    return s.encode('utf-8')
else:
    return s

---

注意，我在这里使用的是^{}，而不是调用type和比较。正如PEP 8所说：

Object type comparisons should always use isinstance() instead of comparing types directly.

为什么？因为根据定义，子类型的实例（子类、用abc注册的类等）总是被认为是它们的父类型的实例。在一些罕见的情况下，您需要显式地打破这个规则，在这种情况下type比较就是您想要的。否则，不要使用它们。你知道吗