जवाबों:
पायथन 3 में, सभी तार यूनिकोड वर्णों के अनुक्रम हैं। एक bytesप्रकार है जो कच्चे बाइट्स रखता है।
पायथन 2 में, एक स्ट्रिंग प्रकार strया प्रकार का हो सकता है unicode। आप बता सकते हैं कि कौन सा कोड इस तरह से उपयोग कर रहा है:
def whatisthis(s):
if isinstance(s, str):
print "ordinary string"
elif isinstance(s, unicode):
print "unicode string"
else:
print "not a string"
यह "यूनिकोड या एएससीआईआई" में अंतर नहीं करता है; यह केवल पायथन प्रकारों को अलग करता है। एक यूनिकोड स्ट्रिंग में ASCII रेंज में विशुद्ध रूप से अक्षर शामिल हो सकते हैं, और एक बाईटस्ट्रिंग में ASCII, एनकोडेड यूनिकोड या यहां तक कि गैर-पाठीय डेटा भी हो सकते हैं।
आप उपयोग कर सकते हैं typeया isinstance।
पायथन 2 में:
>>> type(u'abc') # Python 2 unicode string literal
<type 'unicode'>
>>> type('abc') # Python 2 byte string literal
<type 'str'>
पायथन 2 में, strबाइट्स का सिर्फ एक क्रम है। अजगर को पता नहीं है कि इसकी एन्कोडिंग क्या है। unicodeप्रकार की दुकान पाठ करने के लिए सुरक्षित तरीका है। यदि आप इसे और अधिक समझना चाहते हैं, तो मैं http://farmdev.com/talks/unicode/ सुझाता हूं ।
पायथन 3 में:
>>> type('abc') # Python 3 unicode string literal
<class 'str'>
>>> type(b'abc') # Python 3 byte string literal
<class 'bytes'>
पायथन 3 में, strपायथन 2 की तरह है unicode, और इसका उपयोग पाठ को संग्रहीत करने के लिए किया जाता है। strपायथन 2 में क्या कहा गया था, इसे पायथन 3 में कहा जाता bytesहै।
आप कॉल कर सकते हैं decode। यदि यह एक यूनिकोडडाउज़ररूट अपवाद को उठाता है, तो यह मान्य नहीं था।
>>> u_umlaut = b'\xc3\x9c' # UTF-8 representation of the letter 'Ü'
>>> u_umlaut.decode('utf-8')
u'\xdc'
>>> u_umlaut.decode('ascii')
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
UnicodeDecodeError: 'ascii' codec can't decode byte 0xc3 in position 0: ordinal not in range(128)
unicode(s, "ascii")कुछ करना है या नहीं
str(s, "ascii")
अजगर 3.x में सभी तार यूनिकोड वर्णों के अनुक्रम हैं। और str के लिए आइंस्टीन जांच कर रहा है (जिसका अर्थ है डिफ़ॉल्ट रूप से यूनिकोड स्ट्रिंग) पर्याप्त होना चाहिए।
isinstance(x, str)अजगर 2.x के संबंध में, अधिकांश लोग एक ऐसे कथन का उपयोग करते हुए प्रतीत होते हैं जिसमें दो चेक हैं। एक स्ट्रिंग के लिए और एक यूनिकोड के लिए।
यदि आप जांचना चाहते हैं कि क्या आपके पास एक कथन के साथ 'स्ट्रिंग जैसी' वस्तु है, तो आप निम्नलिखित कार्य कर सकते हैं:
isinstance(x, basestring)isinstance(u"x",basestring)रिटर्न True।
यूनिकोड एक कूटबन्धन नहीं है - कुमार मैकमिलन को उद्धृत करने के लिए:
यदि ASCII, UTF-8, और अन्य बाइट स्ट्रिंग्स "टेक्स्ट" हैं ...
... तो यूनिकोड "टेक्स्ट-नेस" है;
यह पाठ का सार रूप है
मैकमिलन के यूनिकोड इन पाइथन, पाइकॉन 2008 से पूरी तरह से डिम्टिफाइड बात के बारे में पढ़ा है , यह स्टैक ओवरफ्लो पर संबंधित जवाबों की तुलना में चीजों को बहुत बेहतर बताता है।
यदि आपके कोड को Python 2 और Python 3 दोनों के साथ संगत होने की आवश्यकता है , तो आप चीज़ों को सीधे isinstance(s,bytes)या isinstance(s,unicode)बिना लपेटे उपयोग नहीं कर सकते हैं या तो प्रयास करें / छोड़कर या एक अजगर संस्करण परीक्षण करें, क्योंकि bytesPython 2 unicodeमें अपरिभाषित है और Python 3 में अपरिभाषित है ।
कुछ बदसूरत workarounds हैं। एक बहुत ही बदसूरत एक प्रकार के नाम की तुलना करने के बजाय खुद की तुलना करना है। यहाँ एक उदाहरण है:
# convert bytes (python 3) or unicode (python 2) to str
if str(type(s)) == "<class 'bytes'>":
# only possible in Python 3
s = s.decode('ascii') # or s = str(s)[2:-1]
elif str(type(s)) == "<type 'unicode'>":
# only possible in Python 2
s = str(s)यकीनन थोड़ा कम बदसूरत वर्कअराउंड पायथन संस्करण संख्या की जांच करना है, जैसे:
if sys.version_info >= (3,0,0):
# for Python 3
if isinstance(s, bytes):
s = s.decode('ascii') # or s = str(s)[2:-1]
else:
# for Python 2
if isinstance(s, unicode):
s = str(s)उन दोनों unpythonic हैं, और ज्यादातर समय वहाँ शायद एक बेहतर तरीका है।
six, और इसके खिलाफ परीक्षण करना है six.binary_typeऔरsix.text_type
उपयोग:
import six
if isinstance(obj, six.text_type)छह पुस्तकालय के अंदर इसे निम्न रूप में दर्शाया गया है:
if PY3:
string_types = str,
else:
string_types = basestring,if isinstance(obj, six.text_type) । लेकिन हाँ यह सही उत्तर है।
ध्यान दें कि पायथन 3 पर, वास्तव में यह कहना उचित नहीं है:
strs किसी भी x के लिए UTFx हैं (उदा। UTF8)
strs यूनिकोड हैं
strs को यूनिकोड वर्णों के संग्रह का आदेश दिया गया है
पायथन का strप्रकार (सामान्य रूप से) यूनिकोड कोड बिंदुओं का एक क्रम है, जिसमें से कुछ नक्शे पात्रों के हैं।
पायथन 3 पर भी, इस प्रश्न का उत्तर देना इतना आसान नहीं है जितना आप कल्पना कर सकते हैं।
ASCII- संगत स्ट्रिंग्स के लिए परीक्षण करने का एक स्पष्ट तरीका एक प्रयास एनकोड है:
"Hello there!".encode("ascii")
#>>> b'Hello there!'
"Hello there... ☃!".encode("ascii")
#>>> Traceback (most recent call last):
#>>> File "", line 4, in <module>
#>>> UnicodeEncodeError: 'ascii' codec can't encode character '\u2603' in position 15: ordinal not in range(128)त्रुटि मामलों को अलग करती है।
पायथन 3 में, कुछ ऐसे तार भी हैं जिनमें अमान्य यूनिकोड कोड बिंदु हैं:
"Hello there!".encode("utf8")
#>>> b'Hello there!'
"\udcc3".encode("utf8")
#>>> Traceback (most recent call last):
#>>> File "", line 19, in <module>
#>>> UnicodeEncodeError: 'utf-8' codec can't encode character '\udcc3' in position 0: surrogates not allowedउन्हें भेद करने के लिए एक ही विधि का उपयोग किया जाता है।
यह किसी और की मदद कर सकता है, मैंने वेरिएबल एस के स्ट्रिंग प्रकार के लिए परीक्षण शुरू कर दिया, लेकिन मेरे आवेदन के लिए, इसे केवल utf-8 के रूप में वापस करने के लिए अधिक समझ में आया। Return_utf को कॉल करने वाली प्रक्रिया, फिर जानता है कि यह किसके साथ काम कर रहा है और स्ट्रिंग को उचित तरीके से संभाल सकता है। कोड प्राचीन नहीं है, लेकिन मैं इसके लिए संस्करण परीक्षण के बिना पायथन संस्करण अज्ञेयवादी या छह आयात करने का इरादा रखता हूं। अन्य लोगों की मदद करने के लिए कृपया नीचे दिए गए नमूना कोड में सुधार के साथ टिप्पणी करें।
def return_utf(s):
if isinstance(s, str):
return s.encode('utf-8')
if isinstance(s, (int, float, complex)):
return str(s).encode('utf-8')
try:
return s.encode('utf-8')
except TypeError:
try:
return str(s).encode('utf-8')
except AttributeError:
return s
except AttributeError:
return s
return s # assume it was already utf-8आप यूनिवर्सल एनकोडिंग डिटेक्टर का उपयोग कर सकते हैं , लेकिन इस बात से अवगत रहें कि यह आपको वास्तविक अनुमान नहीं बल्कि सर्वश्रेष्ठ अनुमान देगा, क्योंकि उदाहरण के लिए एक स्ट्रिंग "एबीसी" के एन्कोडिंग को जानना असंभव है। आपको कहीं और एन्कोडिंग जानकारी प्राप्त करने की आवश्यकता होगी, उदाहरण के लिए HTTP प्रोटोकॉल उस के लिए सामग्री-प्रकार हेडर का उपयोग करता है।
Py2 / py3 संगतता के लिए बस का उपयोग करें
import six
if isinstance(obj, six.text_type)
एक सरल दृष्टिकोण यह जांचना है कि unicodeक्या एक बिलिन फ़ंक्शन है। यदि हां, तो आप पायथन 2 में हैं और आपकी स्ट्रिंग एक स्ट्रिंग होगी। यह सुनिश्चित करने के लिए कि सब कुछ एक में unicodeहो सकता है:
import builtins
i = 'cats'
if 'unicode' in dir(builtins): # True in python 2, False in 3
i = unicode(i)