关于你不想知道的所有Python3 unicode特性(2)

时间:2014-11-29 11:33来源:网络整理作者:网络点击: 次

分享到：

UNIX上的unicode只在你强制所有东西用它的时候会很疯狂。但那不是unicode在UNIX上工作的方式。UNIX没有区别unicode和字节的API。它们是相同的，使其更容易处理

UNIX上的unicode只在你强制所有东西用它的时候会很疯狂。但那不是unicode在UNIX上工作的方式。UNIX没有区别unicode和字节的API。它们是相同的，使其更容易处理。

C Locale

C Locale在这里出现的次数非常多。C Locale是避免POSIX的规格被强行应用到任何地方的一种手段。POSIX服从操作系统需要支持设置LC_CTYPE，来让一切使用ASCII编码。

这个locale是在不同的情况下挑选的。你主要发现这个locale为所有从cron启动的程序，你的初始化程序和子进程提供一个空的环境。C Locale在环境里复原了一个健全的ASCII地带，否则你无法信任任何东西。

但是ASCII这个词指出它是7bit编码。这不是问题，因为操作系统是能处理字节的！任何基于8bit的内容能正常处理，但你与操作系统遵循约定，那么字符处理会限制在前7bit。任何你的工具生成的信息它会用ASCII编码并且使用英语。

注意POSIX规范没有说你的应用程序应当死于火焰。

Python3死于火焰

Python3在unicode上选择了与UNIX不同的立场。Python3说：任何东西是Unicode（默认情况下，除非是在某些情况下，除非我们发送重复编码的数据，可即使如此，有时候它仍然是Unicode，虽然是错误的Unicode）。文件名是Unicode，终端是Unicode，stdin和stdout是Unicode，有如此多的Unicode。因为UNIX不是Unicode，Python3现在的立场是它是对的UNIX是错的，人们也应该修改POSIX的定义来添加Unicode。那么这样的话，文件名就是Unicode了，终端也是Unicode了，这样也就不会看到一些由于字节导致的错误了。

不是仅仅我这样说。这些是Python关于Unicode的脑残想法导致的bug：

如果你Google一下，你就能发现如此多的吐槽。看看有多少人安装pip模块失败，原因是changelog里的一些字符，或者是因为home文件夹的原因又，或者是因为SSH session是用ASCII的，或者是因为他们是使用Putty连接的。

Python3 cat

现在开始为Python3修复cat。我们如何做？首先，我们需要处理字节，因为有些东西可能会显示一些不符合shell编码的东西。所以无论如何，文件内容需要是字节。但我们也需要打开基本输出来让它支持字节，而它默认是不支持的。我们也需要分别处理一些情况比如Unicode API失败，因为编码是C。那么这就是，Python3特性的cat。

import sys
import shutil
 
def _is_binary_reader(stream, default=False):
  try:
    return isinstance(stream.read(0), bytes)
  except Exception:
    return default
 
def _is_binary_writer(stream, default=False):
  try:
    stream.write(b'')
  except Exception:
    try:
      stream.write('')
      return False
    except Exception:
      pass
    return default
  return True
 
def get_binary_stdin():
  # sys.stdin might or might not be binary in some extra cases. By
  # default it's obviously non binary which is the core of the
  # problem but the docs recomend changing it to binary for such
  # cases so we need to deal with it. Also someone might put
  # StringIO there for testing.
  is_binary = _is_binary_reader(sys.stdin, False)
  if is_binary:
    return sys.stdin
  buf = getattr(sys.stdin, 'buffer', None)
  if buf is not None and _is_binary_reader(buf, True):
    return buf
  raise RuntimeError('Did not manage to get binary stdin')
 
def get_binary_stdout():
  if _is_binary_writer(sys.stdout, False):
    return sys.stdout
  buf = getattr(sys.stdout, 'buffer', None)
  if buf is not None and _is_binary_writer(buf, True):
    return buf
  raise RuntimeError('Did not manage to get binary stdout')
 
def filename_to_ui(value):
  # The bytes branch is unecessary for *this* script but otherwise
  # necessary as python 3 still supports addressing files by bytes
  # through separate APIs.
  if isinstance(value, bytes):
    value = value.decode(sys.getfilesystemencoding(), 'replace')
  else:
    value = value.encode('utf-8', 'surrogateescape') \
      .decode('utf-8', 'replace')
  return value
 
binary_stdout = get_binary_stdout()
for filename in sys.argv[1:]:
  if filename != '-':
    try:
      f = open(filename, 'rb')
    except IOError as err:
      print('cat.py: %s: %s' % (
        filename_to_ui(filename),
        err
      ), file=sys.stderr)
      continue
  else:
    f = get_binary_stdin()
 
  with f:
    shutil.copyfileobj(f, binary_stdout)