Python Unicode 字符串字面量：'\u0391' 和 u'\u0391' 有什么区别？

Question

我正在使用Python 2.7.3。有人能解释一下这些字面量之间的区别吗：

'\u0391'

还有：

u'\u0391'

以及它们在下面的REPL中被显示的不同方式（特别是a1后面多出来的斜杠）：

>>> a1='\u0391'
>>> a1
'\\u0391'
>>> type(a1)
<type 'str'>
>>> 
>>> a2=u'\u0391'
>>> a2
u'\u0391'
>>> type(a2)
<type 'unicode'>
>>> 

Answer 1

跟C语言不一样，在Python中，字符串可以用单引号（'）或者双引号（"）来包裹，当然还有三重双引号（"""）的情况我们暂时不讨论。

所以，'\u0391' 其实只是一个字符串，它里面包含了字符 \、u、0、3、9 和 1。当我们把这个字符串打印出来时，\ 需要用另一个 \ 来转义，也就是说要加个反斜杠。

而如果在字符串前面加个 u，那么这个字符串就被认为是Unicode字符串，所有的转义字符都会被处理。所以，u'\u0391' 会被解释为“包含代码点 0391 的Unicode字符串”，这和上面的字符串是不同的。

Answer 2

你只能在 Unicode 字符串中使用 Unicode 转义（比如 \uabcd）。在字节字符串中，这些转义是没有意义的。Python 2 中的 Unicode 字符串（比如 u'some text'）和字节字符串（比如 'some text'）是两种不同类型的对象。

这就像使用 \t 和 \T 的区别；前者在 Python 中有特定的含义（它表示一个制表符），而后者只是表示一个反斜杠和一个大写 T（也就是两个字符）。

为了更好地理解 Unicode 和字节字符串之间的区别，建议你阅读一下 Python Unicode 使用指南；我还推荐你看看 Joel Spolsky 关于 Unicode 的文章。

注意：在 Python 3 中，这些区别依然存在，但 'some text' 是 Unicode 字符串，而 b'some text' 是字节字符串的写法。