何時將unicode轉換爲字符串？

Question

我正在致力於從一些網站獲取一些數據然後存儲到數據庫中的項目。但這些網站包含不同的字符集，如utf-8，gbk。獲取的數據是unicode，所以我想知道何時轉換爲字符串是正確的方法。我現在立即轉換爲字符串，但似乎python建議儘可能保持unicode，我不明白爲什麼？因爲我們一直不知道unicode對象的字符集。

Answer 1

unicode s不要有一個字符集;他們是純文本。在僅接受字節的介質中存儲或傳輸時，只能轉換爲字節串。

Answer 2

在你的應用程序來處理文本的建議是：

1. 從一些地方獲取輸入字節（編碼字符串）
2. 對其進行解碼成Unicode與Unicode您的應用程序內工作。
3. 無論何時您想要輸出文本，都要對其進行編碼。

如果您抓取網頁，我已經看到BeautifulSoup和其他庫，它們爲Unicode轉換傳入字節的工作。所以在你的應用程序中，你可以使用Unicode來處理它們。

如果你想將它存儲在數據庫中，可能是該數據庫中utf-8編碼，如果沒有，學什麼它的編碼是和當你準備寫信息到數據庫，對其進行編碼第一。

text = text.encode('utf-8') # or the encode used by your DB 
db.persist(text) # pseudocode here ;) 

這樣你unicode的保護層在您的應用程序的前面，輸入和輸出。

希望這會有所幫助！