在Python中从任何给定的stringtype中删除非ascii字符

Question

>>> teststring = 'aõ'
>>> type(teststring)
<type 'str'>
>>> teststring
'a\xf5'
>>> print teststring
aõ
>>> teststring.decode("ascii", "ignore")
u'a'
>>> teststring.decode("ascii", "ignore").encode("ascii")
'a'

当我删除非ascii字符时，这就是我真正希望它在内部存储的内容。为什么解码（“ascii发出unicode字符串？

>>> teststringUni = u'aõ'
>>> type(teststringUni)
<type 'unicode'>
>>> print teststringUni
aõ
>>> teststringUni.decode("ascii" , "ignore")

Traceback (most recent call last):
  File "<pyshell#79>", line 1, in <module>
    teststringUni.decode("ascii" , "ignore")
UnicodeEncodeError: 'ascii' codec can't encode character u'\xf5' in position 1: ordinal not in range(128)
>>> teststringUni.decode("utf-8" , "ignore")

Traceback (most recent call last):
  File "<pyshell#81>", line 1, in <module>
    teststringUni.decode("utf-8" , "ignore")
  File "C:\Python27\lib\encodings\utf_8.py", line 16, in decode
    return codecs.utf_8_decode(input, errors, True)
UnicodeEncodeError: 'ascii' codec can't encode character u'\xf5' in position 1: ordinal not in range(128)
>>> teststringUni.encode("ascii" , "ignore")
'a'

这也是我想要的。 我不理解这种行为。有人能告诉我这里发生了什么吗？

编辑：我想这会让我理解一些事情，这样我就可以解决我在这里陈述的真正的程序问题： Converting Unicode objects with non-ASCII symbols in them into strings objects (in Python)

Answer 1

很简单：.encode将Unicode对象转换为字符串，而.decode将字符串转换为Unicode。

Answer 2

Why did the decode("ascii") give out a unicode string?

因为这就是的decode意义：它将字节字符串（如ASCII字符串）解码为unicode。

在第二个例子中，您试图“解码”一个已经是unicode的字符串，但没有效果。不过，要将其打印到终端，Python必须将其编码为默认编码，即ASCII，但由于没有显式地执行该步骤，因此没有指定'ignore'参数，因此会产生无法对非ASCII字符进行编码的错误。

所有这些的诀窍是记住decode接受一个经过编码的bytestring并将其转换为Unicode，而encode则相反。如果您理解Unicode不是一种编码，则可能会更容易。