Python2:测试返回unicode字符串的函数的输出

Question

我有一个函数，可以在内部使用unicode，我想使用py.test测试它。目前，我有以下代码：

def test_num2word():
    assert num2word(2320)  == u"dva tisíce tři sta dvacet"

但是，断言失败，出现以下错误：

E       assert u'dva tis\xed...i sta dvacet ' == u'dva tis\xc3\...9i sta dvacet'
E         - dva tis\xedce t\u0159i sta dvacet 
E         ?        ^    ^            -
E         + dva tis\xc3\xadce t\xc5\x99i sta dvacet
E         ?

据我所知，我的函数正确地返回unicode，然后尝试将其与utf-8编码的字符串进行比较，这显然是失败的。然而，我认为在我的源代码中使用u"..."也可以将字符串转换为Python内部使用的相同编码。

我的问题是，有没有一种比较它们的合理方法，或者我需要在每个测试语句中添加一个decode('utf-8') (在右边)或一个encode('utf-8') (在左边)。即使我编写了一个包装器函数，这对我来说也不是很理想--一定有一种方法可以比较清楚！不，使用Python 3不是一个选择。

Answer 1

你的错误并不清楚，但看起来像是；

assert u'dva tis\xed...i sta dvacet ' == u'dva tis\xc3\...9i sta dvacet'

这两个字符串的前面都有u，所以它们都是unicode字符串。但其中一个包含损坏的内容：dva tisíce tÅi sta dvacet。

如果这个字符串是从您的测试py文件中获得的，那么问题是源代码本身并没有使用与您保存它时相同的编码来读取。这可以通过两种方式来解决：

在文本编辑器中将

1. 另存为UTF-8，并在文件顶部包含# -*- coding: utf-8 -*-行(请参阅源代码中的this question.
2. use字符串文字编码，以避免依赖源文件编码：

assert num2word(2320) == u‘’dva\u00edce t\u0159i sta dvacet'

(*：它们以什么编码存储在内存中是一个很长的故事，但作为Python程序员，这并不是您通常需要担心的问题。)