python - 解释为什么 "-"不是 "-"

Question

我正在用 python 编写一个自动化脚本，用于处理通过 Telnet session 发送命令。出于某种原因，我无法让它工作。经过大量令人沮丧的调试后，我发现在翻译以下命令时:

"ulimit -s 1024"

命令中的 - 在 utf-8 中变得很奇怪。我必须以字节为单位翻译它，因为我是使用 Telnet 发送它的(我知道我应该使用 ssh，但老实说，这对我来说很好)我意识到这很奇怪，因为当我以字节为单位打印命令时，它将是:

b"ulimit \x##\x##\x##s 1024"

我不记得确切的数字，但我通过复制并粘贴一个新的“-”修复了它，我在函数中使用了两行并且工作正常。

我确实复制并粘贴了两行的部分，但我输入了 ulimit -s 部分。我也在使用 IDLE

有人知道发生了什么吗？

Answer 1

您成功输入了类似 U+2013 EN DASH 的内容或 U+2014 EM DASH , 这两个看起来很像 ASCII 字符 U+002D HYPHEN MINUS .

因为这些字符中的任何一个都在基本的 Latin-1 字母表之外，所以将其中任何一个编码为 UTF-8 会产生一个 3 字节的序列:

>>> print('\u2013')
–
>>> print('\u2013'.encode('utf8'))
b'\xe2\x80\x93'
>>> print('\u2014')
—
>>> print('\u2014'.encode('utf8'))
b'\xe2\x80\x94'

这两个并不是唯一容易混淆的字符；还有一些:

• U+2010 HYPHEN ‐ (UTF8: E2 80 90)
• U+2011 NON-BREAKING HYPHEN －(UTF8:E2 80 91)
• U+2012 FIGURE DASH ‒ (UTF8: E2 80 92)
• U+FE58 SMALL EM DASH ﹘ (UTF8: EF B9 98)
• U+FE63 SMALL HYPHEN-MINUS ‹ (UTF8: EF B9 A3)

等等