Любые ошибки, использующие unicode_literals в Python 2.6?

Мы уже запустили нашу кодовую базу под Python 2.6. Чтобы подготовиться к Python 3.0, мы начали добавлять:

из __future__ импорт unicode_literals

в наш .py файлы (как мы их модифицируем). Мне интересно, если кто-то еще делал это и сталкивался с какими-то неочевидными ошибками (возможно, после того, как потратил много времени на отладку).

Источник

6 ответов

Решение

Основным источником проблем, с которыми я сталкивался при работе со строками Unicode, является смешивание строк в кодировке UTF-8 со строками Unicode.

Например, рассмотрим следующие сценарии.

two.py

# encoding: utf-8
name = 'helló wörld from two'

one.py

# encoding: utf-8
from __future__ import unicode_literals
import two
name = 'helló wörld from one'
print name + two.name

Выход работает python one.py является:

Traceback (most recent call last):
  File "one.py", line 5, in <module>
    print name + two.name
UnicodeDecodeError: 'ascii' codec can't decode byte 0xc3 in position 4: ordinal not in range(128)

В этом примере two.name является строкой в ​​кодировке utf-8 (не unicode), так как она не импортировала unicode_literals, а также one.name является строкой Unicode. Когда вы смешиваете оба, python пытается декодировать закодированную строку (предполагая, что это ascii) и преобразовывает ее в unicode, и терпит неудачу. Это бы сработало, если бы ты сделал print name + two.name.decode('utf-8'),

То же самое может случиться, если вы закодируете строку и попытаетесь смешать их позже. Например, это работает:

# encoding: utf-8
html = '<html><body>helló wörld</body></html>'
if isinstance(html, unicode):
    html = html.encode('utf-8')
print 'DEBUG: %s' % html

Выход:

DEBUG: <html><body>helló wörld</body></html>

Но после добавления import unicode_literals Это не:

# encoding: utf-8
from __future__ import unicode_literals
html = '<html><body>helló wörld</body></html>'
if isinstance(html, unicode):
    html = html.encode('utf-8')
print 'DEBUG: %s' % html

Выход:

Traceback (most recent call last):
  File "test.py", line 6, in <module>
    print 'DEBUG: %s' % html
UnicodeDecodeError: 'ascii' codec can't decode byte 0xc3 in position 16: ordinal not in range(128)

Это не удается, потому что 'DEBUG: %s' является строкой Unicode, и поэтому Python пытается декодировать html, Несколько способов исправить печать либо делают print str('DEBUG: %s') % html или же print 'DEBUG: %s' % html.decode('utf-8'),

Я надеюсь, что это поможет вам понять потенциальные ошибки при использовании Unicode-строк.

Источник

Также в 2.6 (до python 2.6.5 RC1+) литералы юникода не очень хорошо работают с аргументами ключевых слов ( проблема 4978):

Следующий код, например, работает без unicode_literals, но завершается с ошибкой TypeError: keywords must be string если используется unicode_literals.

  >>> def foo(a=None): pass
  ...
  >>> foo(**{'a':1})
  Traceback (most recent call last):
    File "<stdin>", line 1, in <module>
      TypeError: foo() keywords must be strings
Источник

Я обнаружил, что если вы добавите unicode_literals Директива вы также должны добавить что-то вроде:

 # -*- coding: utf-8

в первую или вторую строку вашего.py файла. В противном случае такие строки, как:

 foo = "barré"

привести к ошибке, такой как:

Ошибка синтаксиса: не-ASCII символ '\xc3' в файле mumble.py в строке 198,
 но кодировка не объявлена; см. http://www.python.org/peps/pep-0263.html 
 для деталей
Источник

Также примите во внимание, что unicode_literal повлияет eval() но нет repr() (асимметричное поведение, которое imho является ошибкой), т.е. eval(repr(b'\xa4')) не будет равным b'\xa4' (как это было бы с Python 3).

В идеале следующий код должен быть инвариантом, который всегда должен работать для всех комбинаций unicode_literals и использование Python {2.7, 3.x}:

from __future__ import unicode_literals

bstr = b'\xa4'
assert eval(repr(bstr)) == bstr # fails in Python 2.7, holds in 3.1+

ustr = '\xa4'
assert eval(repr(ustr)) == ustr # holds in Python 2.7 and 3.1+

Второе утверждение работает, так как repr('\xa4') оценивает u'\xa4' в Python 2.7.

Источник

Есть еще.

Есть библиотеки и встроенные функции, которые ожидают строки, которые не переносят юникод.

Два примера:

встроенная:

myenum = type('Enum', (), enum)

(немного эротично) не работает с unicode_literals: type() ожидает строку.

библиотека:

from wx.lib.pubsub import pub
pub.sendMessage("LOG MESSAGE", msg="no go for unicode literals")

не работает: библиотека wx pubsub ожидает тип строкового сообщения.

Первый эзотерический и легко фиксируется

myenum = type(b'Enum', (), enum)

но последнее разрушительно, если ваш код полон вызовов pub.sendMessage() (который у меня).

Черт возьми, а?!?

Источник

Click будет вызывать исключения Unicode везде, если какой-либо модуль, который имеет from __future__ import unicode_literals импортируется, где вы используете click.echo, Это кошмар...

Источник
Другие вопросы по тегам