为什么 codecs.iterdecode() 吃空字符串？

为什么以下两种解码方法返回不同的结果？

>>> import codecs
>>>
>>> data = ['', '', 'a', '']
>>> list(codecs.iterdecode(data, 'utf-8'))
[u'a']
>>> [codecs.decode(i, 'utf-8') for i in data]
[u'', u'', u'a', u'']

这是错误还是预期行为？我的Python版本2.7.13。

这个是正常的。iterdecode接受编码块上的迭代器并返回解码块上的迭代器，但它不保证一对一的对应关系。它所保证的是所有输出块的串联是所有输入块的串联的有效解码。

如果你看一下源代码 https://github.com/python/cpython/blob/2.7/Lib/codecs.py#L1029，您会看到它显式丢弃空输出块：

def iterdecode(iterator, encoding, errors='strict', **kwargs):
    """
    Decoding iterator.
    Decodes the input strings from the iterator using an IncrementalDecoder.
    errors and kwargs are passed through to the IncrementalDecoder
    constructor.
    """
    decoder = getincrementaldecoder(encoding)(errors, **kwargs)
    for input in iterator:
        output = decoder.decode(input)
        if output:
            yield output
    output = decoder.decode("", True)
    if output:
        yield output

请注意原因iterdecode存在，以及你不直接打电话的原因decode对所有的块来说，解码过程是有状态的。一个字符的 UTF-8 编码形式可能会被分割成多个块。其他编解码器可能具有非常奇怪的有状态行为，例如可能会反转所有字符的大小写的字节序列，直到您再次看到该字节序列。