Любые ошибки с использованием unicode_literals в Python 2.6?

Мы уже получили базу кода под Python 2.6. Чтобы подготовиться к Python 3.0, мы начали добавлять:

from __future__ import unicode_literals

в наши .py файлы (по мере их изменения). Мне интересно, если кто-то еще это делает и столкнулся с любыми неочевидными ошибками (возможно, потратив много времени на отладку).

ОТВЕТЫ

Ответ 1

Основным источником проблем, с которыми я работал с строками unicode, является то, что вы смешиваете строки с кодировкой utf-8 с юникодными.

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

Результат работы python one.py:

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 представляет собой строку с кодировкой utf-8 (не unicode), поскольку она не импортировала unicode_literals, а one.name - это строка в Юникоде. Когда вы смешиваете оба, python пытается декодировать закодированную строку (предполагая ее ascii) и преобразовывать ее в unicode и терпит неудачу. Он будет работать, если вы сделали print name + two.name.decode('utf-8').

То же самое может произойти, если вы кодируете строку и пытаетесь их смешать 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

Вывод:

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

Вывод:

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)

Он терпит неудачу, потому что 'DEBUG: %s' является строкой unicode, и поэтому python пытается декодировать html. Пара способов исправления печати выполняет либо print str('DEBUG: %s') % html, либо print 'DEBUG: %s' % html.decode('utf-8').

Надеюсь, это поможет вам понять потенциальные ошибки при использовании строк в Юникоде.

Ответ 2

Также в 2.6 (до python 2.6.5 RC1 +) литералы в unicode не играют хорошими с аргументами ключевого слова (issue4978):

Следующий код, например, работает без unicode_literals, но не работает с 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

Ответ 3

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

 # -*- coding: utf-8

для первой или второй строки .pdf файл. В противном случае строки, такие как:

 foo = "barré"

приведет к ошибке, например:

SyntaxError: Non-ASCII character '\xc3' in file mumble.py on line 198,
 but no encoding declared; see http://www.python.org/peps/pep-0263.html 
 for details

Ответ 4

Также учтите, что unicode_literal будет влиять на eval(), но не repr() (асимметричное поведение, которое imho является ошибкой), т.е. eval(repr(b'\xa4')) не будет равно b'\xa4' (как это было бы с Python 3).

В идеале следующий код будет инвариантом, который должен всегда работать, для всех комбинаций использования unicode_literals и 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, поскольку repr('\xa4') оценивается u'\xa4' в Python 2.7.

Ответ 5

Есть больше.

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

Два примера:

встроенный:

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

(слегка esotic) 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 строковый тип сообщения.

Первая эзотерическая и легко фиксируется с помощью

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

но последний является разрушительным, если ваш код полон вызовов pub.sendMessage() (который мой).

Положите его, eh?!?