如何在Python中比较unicode和string？

Question

我有两个变量（假设x和y）具有以下值：

x = u'Ko\u0161ick\xfd'
y = 'Ko\x9aick\xfd'

它们可以用不同的方式编码相同的名称。第一个变量是unicode，第二个变量是字符串。在

有没有一种方法可以将字符串转换成unicode（或unicode转换成string）并检查它们是否真的相同。在

我尝试使用encode

^{pr2}$

它返回新的内容（第三个版本）：

'Ko\xc5\xa1ick\xc3\xbd'

并使用以下方法：

print x.encode('utf-8')

返回另一个版本：

KošickÛ

所以，我完全糊涂了。有没有办法让所有的东西都保持相同的格式？在

Answer 1

可以将字节字符串转换为Unicode，但如果它包含任何非ASCII字符，则必须指定编码。在

if y.decode('iso-8859-1') == x:
    print(u'{0!r} converted to Unicode == {1}".format(y, x))

对于给定的示例，这是不正确的；但可能y使用了不同的编码。在

从理论上讲，您可以采用任何一种方式进行转换，但通常情况下，在内部使用所有Unicode，并将其他编码转换为Unicode以便在您的代码中使用（而不是相反）。在

Answer 2

你需要知道字节串的编码。它看起来像windows-1252：

x = u'Ko\u0161ick\xfd'
y = 'Ko\x9aick\xfd'

print x == y.decode('windows-1252')
print x.encode('windows-1252') == y

输出：

^{pr2}$

最佳实践是在输入到程序时将文本转换为Unicode，用Unicode进行所有处理，并将其转换回编码字节以持久存储，在套接字上传输等

Answer 3

好吧，utf-8现在是交换和Linux世界中事实上的标准，但是还有很多其他编码。在

常见的例子有latin1、latin9（与欧元符号相同）和cp1252（它们的windows变体）。在

在您的情况下：

>>> x.encode('cp1252')
'Ko\x9aick\xfd'

因此y字符串似乎是cp1252编码的。在