如何操作/连接包含UTF-8字符的多个字符串

Question

我的代码需要兼容Python 2.x和3.x版本。我将两个字符串作为函数的输入，并且我需要对它们进行一些操作：

if len(str1) > 10:
    str1 = str1[:10] + '...'
if six.PY3:
    return ' : '.join((str1, str2))

对于 Python 2.x，上面的连接给出错误：

UnicodeDecodeError：“ascii”编解码器无法解码位置 0 中的字节 0xc2：序数不在范围内（128）

对于 2.x 和 3.x 的所有版本，处理此类情况的更简洁的方法是什么？ 由于这两个字符串都输入到我的代码中，因此我需要确保即使这些字符串中的任何一个包含 UTF-8 字符，它们也应该正确连接。

声明：我对 Python 非常陌生。

Answer 1

在 Python 3 中，您通常希望只处理

str

。这就是字符串的数据类型。它表达字符。这些字符不采用任何特定的编码；操作它们时，您不需要了解编码。

str1[:10]

表示“前10个字符”，无论是“abcdefghij”还是“文字化けは楽しいんだ”。

当编码为实际字节时，类型为

bytes

。您不想在操作文本时处理

bytes

。

在Python 2中，由于某些原因，Python 3中的

str

在Python 2中是

unicode

。Python 3中的

bytes

在Python 2中是

str

。

Python 3	Python 2	表达
str	unicode	人物
bytes	str	字节

Python 3 中的

字符串文字

''

是

str

，在 Python 2 中它们是

str

（表示字节）。在 Python 2 中表达

unicode

的正确字符串文字是

u''

。

u''

仍然适用于 Python 3 并映射到 Python 3

str

；所以它们用两种语言表达基于字符的类型。

所以你想让它以两种语言运行是：

if len(str1) > 10:
    str1 = str1[:10] + u'...'
return u' : '.join((str1, str2))

然后你要确保

str1

和

str2

在 Py3 中是

str

，在 Py2 中是

unicode

。如何做到这一点完全取决于他们来自哪里。