[問題] 有關utf-8字串的問題

[kanako (我是香民)]

假設我有一個檔案叫test.txt，內容只有一行字:

中文

然後我用如下的碼讀入（省略之前之後的各個動作）

string = infile.readline().decode('utf-8')

這樣得到的變數跟以下我手動給初值有何不同？

string = u'中文'

我用sunburnt把資料加入solr時兩者都可以加入

但只有後者得到的結果可以下中文關鍵字搜尋到

請問一下各位先進我應該如何修改呢？

謝謝

--
※ 發信站: 批踢踢實業坊(ptt.cc) 
◆ From: 122.147.239.158
推 kdjf:最後的\n ?
→ buganini:decode()出來跟u''出來的都是internal encoding的東西
→ buganini:也就是所謂unicode type 其他encode()過或是''的
→ buganini:都是str type 視同byte array 一個中文字在
→ buganini:unicode type是一個字 在str type是3個byte
→ buganini:至於一樓說的東西，在decode()後面加.strip()試試
→ ykjiang:起先確認你的「中文」編碼真的是 utf-8 吧
→ buganini:對了 如果你是用記事本存的txt 還有bom的問題
→ buganini:建議用print repr(string)出來看一下