python中的 str 和bytes 區別

在Python 3版本中，把'xxx'和u'xxx'統一成Unicode編碼，即寫不寫前綴u都是同樣的。

在Python 3版本中，全部的字符串都是使用Unicode編碼的字符串序列。

Python 3最重要的新特性之一是對字符串和二進制數據流作了明確的區分。文本老是 Unicode，由 str 類型表示，二進制數據則由 bytes 類型表示。Python 3 不會以任意隱式的方式混用 str 和 bytes ，你不能拼接字符串和字節流，也沒法在字節流裏搜索字符串（反之亦然），也不能將字符串傳入參數爲字節流的函數（反之亦然）。

# -*- coding: utf-8 -*-
import sys

# 查看默認編碼
print(sys.getdefaultencoding()) # utf-8

b = b'\xe4\xb8\xad\xe5\x9b\xbd' # py3定義bytes使用 b = b'dfja'
print(b, type(b)) # b'\xe4\xb8\xad\xe5\x9b\xbd' <class 'bytes'>
b_decode = b.decode('utf-8')
print(b_decode, type(b_decode)) # 中國 <class 'str'>

s = '中國' # Python3中定義的字符串（str）默認就是 unicode字符串
print(s, type(s)) # 中國 <class 'str'>
# s1 = s.decode("utf-8") # AttributeError: 'str' object has no attribute 'decode' ← Python3中字符串再也不有decode方法

s2 = s.encode("gbk") # 將字符串（str）用 「gbk字符編碼」 編碼爲 「gbk字符編碼的字節」
print(s2, type(s2)) # b'\xd6\xd0\xb9\xfa' <class 'bytes'>
s22 = s2.decode('gbk') # 將 「字節串」 用 「gbk字符編碼」 解碼 爲 「字符串（str)」
print(s22, type(s22)) # 中國 <class 'str'>

s3 = s.encode("utf-8")
print(s3, type(s3)) # b'\xe4\xb8\xad\xe5\x9b\xbd' <class 'bytes'>
s33 = s.encode("utf-8").decode('utf-8')
print(s33, type(s33)) # 中國 <class 'str'>

bytes和str之間的異同
回到bytes和str的身上。bytes是一種比特流，它的存在形式是01010001110這種。咱們不管是在寫代碼，仍是閱讀文章的過程當中，確定不會有人直接閱讀這種比特流，它必須有一個編碼方式，使得它變成有意義的比特流，而不是一堆晦澀難懂的01組合。由於編碼方式的不一樣，對這個比特流的解讀也會不一樣，對實際使用形成了很大的困擾。下面讓咱們看看Python是如何處理這一系列編碼問題的：

>>> s = "中文"
>>> s
'中文'
>>> type(s)
<class 'str'>
>>> b = bytes(s, encoding='utf-8')
>>> b
b'\xe4\xb8\xad\xe6\x96\x87'
>>> type(b)
<class 'bytes'>

從例子能夠看出，s是個字符串類型。Python有個內置函數bytes()能夠將字符串str類型轉換成bytes類型，b其實是一串01的組合，但爲了在ide環境中讓咱們相對直觀的觀察，它被表現成了b'\xe4\xb8\xad\xe6\x96\x87'這種形式，開頭的b表示這是一個bytes類型。\xe4是十六進制的表示方式，它佔用1個字節的長度，所以」中文「被編碼成utf-8後，咱們能夠數得出一共用了6個字節，每一個漢字佔用3個，這印證了上面的論述。在使用內置函數bytes()的時候，必須明確encoding的參數，不可省略。

咱們都知道，字符串類str裏有一個encode()方法，它是從字符串向比特流的編碼過程。而bytes類型剛好有個decode()方法，它是從比特流向字符串解碼的過程。除此以外，咱們查看Python源碼會發現bytes和str擁有幾乎如出一轍的方法列表，最大的區別就是encode和decode。

從實質上來講，字符串在磁盤上的保存形式也是01的組合，也須要編碼解碼。

若是，上面的闡述還不能讓你搞清楚二者的區別，那麼記住下面兩幾句話：

在將字符串存入磁盤和從磁盤讀取字符串的過程當中，Python自動地幫你完成了編碼和解碼的工做，你不須要關心它的過程。

使用bytes類型，實質上是告訴Python，不須要它幫你自動地完成編碼和解碼的工做，而是用戶本身手動進行，並指定編碼格式。

Python已經嚴格區分了bytes和str兩種數據類型，你不能在須要bytes類型參數的時候使用str參數，反之亦然。這點在讀寫磁盤文件時容易碰到。

在bytes和str的互相轉換過程當中，實際就是編碼解碼的過程，必須顯式地指定編碼格式。.

>>> b
b'\xe4\xb8\xad\xe6\x96\x87'
>>> type(b)
<class 'bytes'>
>>> s1 = str(b)
>>> s1
"b'\\xe4\\xb8\\xad\\xe6\\x96\\x87'"
>>> type(s1)
<class 'str'>
>>> s1 = str(b, encoding='utf-8')
>>> s1
'中文'
>>> type(s1)
<class 'str'>

咱們再把字符串s1，轉換成gbk編碼的bytes類型：

>>> s1
'中文'
>>> type(s1)
<class 'str'>
>>> b = bytes(s1, encoding='gbk')
>>> b
b'\xd6\xd0\xce\xc4'