Python 2.x 处理字符经常会出现意料之外的效果。其中最大的原因就是对str类型做了双重标准。
问题
有一道面试题是这样的：
a = u'China'
b = 'China'
c = u'中国'
d = '中国'
# 1
print '%s %s' % (a, b)
# 2
print '%s' % c
# 3
print '%s' % d
# 4
print '%s %s' % (c, d)
判断打印后的效果。
先说正确答案，只有最后一行会报错。
分析
在Python2里，默认的字符类型是str，这个str和Python3的str完全不同，Python2的str类型是8位的ascii序列。Python2在处理str类型转换时遵循这样的规则：如果被处理的str型变量值小于7位，就可以和unicode类型混用。可以做+连接，格式化等操作，同unicode享受同样的待遇。
Python2在格式化字符时，会把str格式化为str，如果字符串里混入了unicode，就会把其他字符都转化为unicode。所以这道题里1处的a，b两个值混合后的字符就是一个unicode字符串，c和d单独格式化后仍保留了自己的格式。但是Python2在格式化代码位置4时，发现c是unicode而d不是，就会尝试按照上面的混用规则，格式化d为unicode类型，但是d的值'中国'显然是一个大于7位的str，因此Python2抛出UnicodeDecodeError。
在Python3里，str类型则变成了一个纯unicode字符，也就是说Python3里的str等价于Python2里的unicode类型。Python3里为了清晰明了，使用bytes代表8位ascii序列。除此之外，Python3严格禁止混用两种类型。
总结
- 使用Python2处理字符串，尤其是中文字符串，最好前边加上u
- Python2里不要混用
str和unicode，如果处理文本时，先将全部数据格式化成unicode - 能用Python3尽量不用Python2
(废话)
参考资料：
- 《Effective Python》 Brett Slatkin.
- 不愿意透露姓名的某厂面试官
