我如何比较unicode类型与python中的字符串？

Question

我想使用比较字符串对象的列表理解，但其中一个字符串是utf-8，json.loads的副产品。场景：

us = u'MyString' # is the utf-8 string 

我的问题的一部分，是为什么这会返回False？ ：

us.encode('utf-8') == "MyString" ## False 

第二部分 - 如何才能比较列表中的理解？

myComp = [utfString for utfString in jsonLoadsObj 
      if utfString.encode('utf-8') == "MyString"] #wrapped to read on S.O. 

编辑：我使用谷歌应用程序引擎，它使用Python 2.7

这里的问题的一个更完整的例子：我假设你正在使用Python

#json coming from remote server: 
#response object looks like: {"number1":"first", "number2":"second"} 

data = json.loads(response) 
k = data.keys() 

I need something like: 
myList = [item for item in k if item=="number1"] 

#### I thought this would work: 
myList = [item for item in k if item.encode('utf-8')=="number1"] 

Answer 1

您必须循环访问错误的数据集;只是循环直接通过JSON加载字典里是没有必要要求.keys()第一：

data = json.loads(response) 
myList = [item for item in data if item == "number1"] 

您可能需要使用u"number1"避免Unicode和字节串间的转换：

data = json.loads(response) 
myList = [item for item in data if item == u"number1"] 

两个版本做工精细：

>>> import json 
>>> data = json.loads('{"number1":"first", "number2":"second"}') 
>>> [item for item in data if item == "number1"] 
[u'number1'] 
>>> [item for item in data if item == u"number1"] 
[u'number1'] 

注意，在你的第一个例子，us是不是一个UTF-8字符串;它是unicode数据，json库已经为你解码。另一方面，UTF-8字符串是编码字节的序列。您可能需要有关Unicode和Python阅读了理解上的差异：由Joel Spolsky的

• The Absolute Minimum Every Software Developer Absolutely, Positively Must Know About Unicode and Character Sets (No Excuses!)

• 的Python Unicode HOWTO

• Pragmatic Unicode由斯内德尔德

在Python 2，你的期望是你的测试返回True将是cor矩形，你正在做别的错误：

>>> us = u'MyString' 
>>> us 
u'MyString' 
>>> type(us) 
<type 'unicode'> 
>>> us.encode('utf8') == 'MyString' 
True 
>>> type(us.encode('utf8')) 
<type 'str'> 

有没有需要字符串编码成UTF-8进行比较;使用unicode文字来代替：

myComp = [elem for elem in json_data if elem == u"MyString"] 

Answer 2

3. us.encode('utf-8') == "MyString"返回False因为str.encode()功能是returning a bytes object：

In [2]: us.encode('utf-8') 
Out[2]: b'MyString' 

在Python 3中，字符串是already Unicode，所以u'MyString'是多余的。

Answer 3

您正在尝试比较的Unicode代码点的字符串（u'MyString'）字节（'MyString'）的字符串。这是一个“苹果和橘子”的比较。不幸的是，Python的2假装在某些情况下，这种比较是有效的，而不是总是返回False：

>>> u'MyString' == 'MyString' # in my opinion should be False 
True 

这是给你的设计/开发者决定正确的比较应该是什么。这是一种可能的方式：

a = u'MyString' 
b = 'MyString' 
a.encode('UTF-8') == b # True 

我推荐的上面，而不是a == b.decode('UTF-8')因为所有u''风格字符串可以被编码与UTF-8字节，除了可能在一些奇怪的情况下，但不是所有的字节串可以这种方式解码为Unicode。

但是，如果您选择在比较之前对Unicode字符串进行UTF-8编码，那么在Windows系统上这样做会失败：u'Em dashes\u2014are cool'.encode('UTF-8') == 'Em dashes\x97are cool'。但是如果你.encode('Windows-1252')反而会成功。这就是为什么这是一个苹果和橙子的比较。