在Python 2.X中混合unicode和str...有什么问题？

Question

mystr = 'aaaa'
myvar = u'My string %s' % str(mystr)

将来这会成为问题吗？我正在处理一些内部代码，这些代码使用了Python的电子邮件模块，发现了一些这样的代码。mystr 只会包含ASCII字符，因为它来自一个只包含预定义ASCII字符的列表。

这段代码不是我写的，使用 str(mystr) 或 mystr 并不会改变问题的本质。

使用第一个代码片段，我会得到一个安全的unicode对象，还是说我必须这样做：

mystr = u'aaaa'
myvar = u'My string %s' % mystr

或者

mystr = 'aaaa'
myvar = u'My string %s' % unicode(mystr)

？

（我知道这样做不是正确的方法，我也知道我应该处理异常，我只是想问第一个代码片段是否返回一个有效的unicode对象，或者在执行时Python的内部机制会出问题。）

Answer 1

只要你使用的普通8位字符串里面只包含ASCII字符，那就没问题。这种做法可以节省处理时间和内存空间，如果你真的只需要ASCII字符的话。

将来会不会有问题？会的，如果你输入的内容可能是非ASCII字符集的，然后又把它保存到字符串里。总的来说，保持一致性是个好主意——如果你需要广泛使用Unicode，就不要把字符串当作文本的存储方式，除非有很好的理由去这样做。

Answer 2

试着在字符串里放一些真实的unicode符号（比如变音符号或者西里尔字母），看看会发生什么有趣的事情。:)

s = 'свят' # world
v = u'здравей %s' % s # hello %s 

Traceback (most recent call last):
File "<input>", line 1, in <module>
UnicodeDecodeError: 'ascii' codec can't decode byte 0xd1 in position 0: ordinal not in range(128)

问题是，你很可能在编写应用程序的时候，一切都很顺利，但有一天，一个俄罗斯人或德国人写下她的名字，结果却突然出现了一个内部服务器错误，因为她的名字里有个非ASCII符号。

---

我知道……我是在问我例子中的情况，只使用ASCII字符。

不，这样是不会有问题的。在我看来，这其实是Python的一个缺陷，因为这是一个潜在的错误，随时可能出现。这个问题本应该是个致命错误，但由于历史原因，我想，它并不是。