python - Python类中的unicode(self)和self .__ unicode __()有什么区别？

在处理unicode问题时，我发现unicode(self)和self.__unicode__()有不同的行为：

#-*- coding:utf-8 -*-
import sys
import dis
class test():
    def __unicode__(self):
        s = u'中文'
        return s.encode('utf-8')

    def __str__(self):
        return self.__unicode__()
print dis.dis(test)
a = test()
print a

上面的代码工作正常，但是如果我将self.__unicode__()更改为unicode(self)，它将显示错误：

UnicodeDecodeError: 'ascii' codec can't decode byte 0xe4 in position 0: ordinal not in range(128)

有问题的代码是：

#-*- coding:utf-8 -*-
import sys
import dis
class test():
    def __unicode__(self):
        s = u'中文'
        return s.encode('utf-8')

    def __str__(self):
        return unicode(self)
print dis.dis(test)
a = test()
print a

很好奇python是如何处理这个问题的，我尝试了dis模块，但没有看到太多的区别：

Disassembly of __str__:
 12           0 LOAD_FAST                0 (self)
              3 LOAD_ATTR                0 (__unicode__)
              6 CALL_FUNCTION            0
              9 RETURN_VALUE

对

Disassembly of __str__:
 10           0 LOAD_GLOBAL              0 (unicode)
              3 LOAD_FAST                0 (self)
              6 CALL_FUNCTION            1
              9 RETURN_VALUE

最佳答案

s = u'中文'
return s.encode('utf-8')

这将返回一个非Unicode字节字符串这就是encode所做的。utf-8并不是神奇地将数据转换成unicode的东西；如果有什么不同的话，那就是用字节（数据，或多或少）表示unicode（一种抽象）的方法。
我们需要一些术语。编码就是采用Unicode字符串，并使用某种编码方式生成表示该字符串的字节字符串解码是相反的：取一个字节字符串（我们认为它编码一个unicode字符串），并使用指定的编码将其解释为unicode字符串。
当我们编码成一个字节字符串，然后使用相同的编码进行解码时，我们会得到原始的Unicode。
utf-8是一种可能的编码。有很多，更多。
有时，当您调用UnicodeDecodeError时，python会报告一个encode。为什么？因为你试图encode一个字节字符串此过程的正确输入是unicode字符串，因此python“有用地”尝试先将字节字符串decode转换为unicode。但它不知道使用什么编解码器，所以它假定ascii。这种编解码器是最安全的选择，在这样的环境中，您可以接收各种数据。它只报告一个字节>=128的错误，这些字节在各种8位编码中以无数种不同的方式处理（还记得在一天以前，试图将一个带有é等字母的word文件从mac导入到pc，或者反之亦然吗？你会在另一台电脑上看到一些奇怪的符号，因为平台内置的编码方式不同。）
使事情变得更加复杂，在python 2中，encode/decode机制还用于实现一些与解释unicode无关的其他整洁的事情。例如，有一个Base64编码器，一个可以自动处理字符串转义序列的东西（即，它将把一个反斜杠，后面跟着一个字母“t”，变成一个制表符）其中一些执行从字节字符串到字节字符串或从Unicode到Unicode的“编码”或“解码”。
（顺便说一下，在Python3中，这一切的工作方式完全不同——更清楚地说，是IMHO。）
类似地，当__unicode__返回一个字节字符串（就样式而言，它不应该这样做）时，python内置函数会自动将其解码为unicode()；当ascii返回一个unicode字符串（同样不应该这样做）时，__str__会将其编码为str()。这发生在幕后，在代码中你无法控制。但是，您可以修复ascii和__unicode__以执行它们应该执行的操作。
（实际上，您可以通过传递第二个参数来重写__str__的编码。但是，这是错误的解决方案，因为您应该已经有一个从unicode返回的Unicode字符串而且__unicode__不接受编码参数，所以你在那里运气不好。）
所以，现在我们可以解决这个问题了。
问题：我们希望str返回unicode字符串__unicode__，并且希望u'中文'返回该字符串的__str__编码版本。
解决方案：直接在utf-8中返回该字符串，并在__unicode__中显式执行编码：

class test():
    def __unicode__(self):
        return u'中文'

    def __str__(self):
        return unicode(self).encode('utf-8')