哪种编码方法最可靠？

Question

我对python相当陌生，但由于我的母语包含一些讨厌的元音变音，我不得不陷入一个噩梦，即编码是正确的开始。 我阅读了joelonsoftware关于编码的文章，理解了代码点和字母的实际呈现之间的区别（以及unicode和编码之间的联系）。 为了让我摆脱困境，我找到了三种处理元音变音的方法，但是我不能决定，哪一种适合什么情况。 如果有人能照亮它？我希望能够将文本写入文件，从中读取（或sqlite3）并给出文本，所有这些都包括可读的元音变音。。。 谢谢！在

# -*- coding: utf-8 -*-
import codecs

# using just u + string
with open("testutf8.txt", "w") as f:
    f.write(u"Österreichs Kapitän")

with open("testutf8.txt", "r") as f:
    print f.read()


# using encode/decode
s = u'Österreichs Kapitän'
sutf8 = s.encode('UTF-8')
with open('encode_utf-8.txt', 'w') as f2:
    f2.write(sutf8)
with open('encode_utf-8.txt','r') as f2:
    print f2.read().decode('UTF-8')


# using codec
with codecs.open("testcodec.txt", "w","utf-8") as f3:
    f3.write(u"Österreichs Kapitän")

with codecs.open("testcodec.txt", "r","utf-8") as f3:
    print f3.read() 

编辑： 我测试了这个（文件的内容是“収sterreichs Kapitän”）：

^{pr2}$

我是否必须在代码中到处使用u'string'（unicode）？我发现，如果我只使用空白字符串（没有‘U’’），UMLUUT的替换就不起作用了…在

Answer 1

一般来说，您通常希望尽早解码已编码的字符串，然后将其作为unicode对象进行操作，最后尽可能晚地对其进行编码（例如在将其写入文件之前）。在

例如：

with codecs.open("testcodec.txt", "r","utf-8") as f3:
    s = f3.read()

# modify s here

with codecs.open("testcodec.txt", "w","utf-8") as f3:
    f3.write(s)

至于你的问题，哪种方式是最好的：我认为使用编解码器库和手动编码/解码没有区别。这是一个偏好的问题，两者都能奏效。在

简单地使用open（如第一个示例中所示）并不起作用，因为python将尝试使用默认的编解码器（如果不更改的话，就是ASCII）对字符串进行编码。在

关于是否应该在任何地方都使用unicode字符串的问题： 原则上，是的。如果创建一个字符串s = 'asdf'，它的类型是str（可以用type(s)来检查），如果创建s2 = u'asdf'，它的类型是unicode。 由于总是操作unicode对象更好，所以建议使用后者。在

如果您不想总是在字符串前面附加“u”，可以使用以下导入：

^{pr2}$

然后你可以做s = 'asdf'，s的类型是unicode。在Python3中，这是默认值，因此只需要在Python2中导入。在

对于潜在的陷阱，您可以看看Any gotchas using unicode_literals in Python 2.6?。基本上，您不想混合使用utf-8编码的字符串和unicode字符串。在