聊聊Python 3 的字符串：str 和 bytes 的區(qū)別

Python2的字符串有兩種：str 和 unicode，Python3的字符串也有兩種：str 和 bytes。Python2 的 str 相當(dāng)于 Python3 的bytes，而unicode相當(dāng)于Python3的str。

Python2里面的str和unicode是可以混用的，在都是英文字母的時(shí)候str和unicode沒(méi)有區(qū)別。而Python3 嚴(yán)格區(qū)分文本（str）和二進(jìn)制數(shù)據(jù)（bytes），文本總是unicode，用str類型，二進(jìn)制數(shù)據(jù)則用bytes類型表示，這樣嚴(yán)格的限制也讓我們對(duì)如何使用它們有了清晰的認(rèn)識(shí)，這是很棒的。

Python2 和 Python3 的區(qū)別

通過(guò)以下代碼我們認(rèn)識(shí)以下Python2和Python3的字符串混用情況：

# Python2中：In [1]: 'a' == u'a'Out[1]: True
In [2]: 'a' in u'a'Out[2]: True
In [3]: '編程' == u'編程'/usr/local/bin/ipython:1: UnicodeWarning: Unicode equal comparison failed to convert both arguments to Unicode - interpreting them as being unequal#!/usr/bin/pythonOut[3]: False
In [4]: '編程' in u'編程'---------------------------------------------------------------------------UnicodeDecodeError Traceback (most recent call last)
<ipython-input-4-7b677a923254> in <module>()
----> 1 '編程' in u'編程'
UnicodeDecodeError: 'ascii' codec can't decode byte 0xe7 in position 0: ordinal not in range(128)
# Python3中：
In [1]: 'a' == b'a'Out[1]: False
In [2]: 'a' in b'a'---------------------------------------------------------------------------TypeError Traceback (most recent call last)
<ipython-input-10-ca907fd8856f> in <module>()
----> 1 'a' in b'a'
TypeError: a bytes-like object is required, not 'str'

以上代碼可以看到，Python2中str和unicode的在都是ascii碼時(shí)混用沒(méi)區(qū)別，因?yàn)閡nicode的ascii區(qū)域的值跟str的ascii是一樣的；而對(duì)應(yīng)非ascii區(qū)域（比如中文），二者又不一樣了，可以看到Python2拋出了UnicodeDecodeError的異常，相信這也是很多人處理文本時(shí)遇到過(guò)的錯(cuò)誤；‘編程’在str類型時(shí)長(zhǎng)度是6，而在unicode時(shí)是2。不同字符的不同表現(xiàn)，讓Python2的str和unicode顯得撲朔迷離。

在Python3中，嚴(yán)格區(qū)分了str和bytes，不同類型之間操作就會(huì)拋出TypeError的異常。

上面用示例闡述了Python2和Python3中字符串的不同，下面主要講Python3中的字符串。

str和bytes之間的轉(zhuǎn)換

一圖勝千言：

str和bytes的相互轉(zhuǎn)換

str.encode(‘encoding’) -> bytes

bytes.decode(‘encoding’) -> str

encoding 指的是具體的編碼規(guī)則的名稱，對(duì)于中文來(lái)說(shuō)，它可以是這些值： ‘utf-8’, ‘gb2312’, ‘gbk’, ‘big5’ 等等。

不知道你有沒(méi)有注意到上圖中str矩形要比bytes矩形短，表示同樣的內(nèi)容，str的長(zhǎng)度要小于或等于bytes的長(zhǎng)度，你可以考慮一下原因（參考Unicode、UTF-8的編碼規(guī)則）

下面看看具體代碼理解一下str和bytes的相互轉(zhuǎn)換：

In [16]: a = 'T恤'In [17]: a
Out[17]: 'T恤'In [18]: len(a)
Out[18]: 2In [19]: b = a.encode('utf8')
In [20]: b
Out[20]: b'T\xe6\x81\xa4'In [21]: a == b
Out[21]: FalseIn [22]: c = a.encode('gbk')
In [23]: c
Out[23]: b'T\xd0\xf4'In [24]: b == c
Out[24]: FalseIn [25]: a == c
Out[25]: False

上面str和bytes之間的轉(zhuǎn)換是針對(duì)文本內(nèi)容的，要是其它二進(jìn)制內(nèi)容（比如，圖片）時(shí)，bytes就不能decode成str了，看以下代碼的異常：

In [29]: img = open('str-bytes.jpg', 'rb').read()
In [30]: type(img)
Out[30]: bytes
In [31]: img.decode('utf8')
---------------------------------------------------------------------------
UnicodeDecodeError Traceback (most recent call last)
<ipython-input-31-c9e28f45be95> in <module>()----> 1 img.decode('utf8')UnicodeDecodeError: 'utf-8' codec can't decode byte 0xff in position 0: invalid start byte

因?yàn)閳D片中的二進(jìn)制數(shù)據(jù)不符合文本數(shù)據(jù)的UTF-8編碼規(guī)則。

上面獲得圖片數(shù)據(jù)時(shí)，我們用到了open()來(lái)讀取文件，文件存儲(chǔ)的無(wú)非是文本和二進(jìn)制這兩種格式，讀寫文件時(shí)也有分清楚編碼：

In [32]: open('z.txt', 'w').write('T恤')
Out[32]: 2In [33]: open('z.txt', 'w').write(img)
---------------------------------------------------------------------------
TypeError Traceback (most recent call last)
<ipython-input-33-4a88980b3a54> in <module>()
----> 1 open('z.txt', 'w').write(img)
TypeError: write() argument must be str, not bytes
In [34]: open('z.txt', 'wb').write(img)
Out[34]: 12147

讀寫二進(jìn)制數(shù)據(jù)（如圖片）時(shí)，要加’rb’參數(shù)，b代碼binary（二進(jìn)制）

讀寫文本數(shù)據(jù)時(shí)，一般加’b’,open()會(huì)自動(dòng)轉(zhuǎn)換bytes到str。

總結(jié)一下

Python3里面的str是在內(nèi)存中對(duì)文本數(shù)據(jù)進(jìn)行使用的，bytes是對(duì)二進(jìn)制數(shù)據(jù)使用的。

str可以encode為bytes，但是bytes不一定可以decode為str。實(shí)際上bytes.decode(‘latin1’)可以稱為str，也就是說(shuō)decode使用的編碼決定了decode()的成敗，同樣的，UTF-8編碼的bytes字符串用GBK去decode()也會(huì)出錯(cuò)。

bytes一般來(lái)自網(wǎng)絡(luò)讀取的數(shù)據(jù)、從二進(jìn)制文件（圖片等）讀取的數(shù)據(jù)、以二進(jìn)制模式讀取的文本文件(.txt, .html, .py, .cpp等)

文章首發(fā)于我的個(gè)人博客，同時(shí)我也在 猿人學(xué)網(wǎng)站 上寫Python教程
你也可以關(guān)注我的個(gè)人公眾號(hào)：猿人學(xué)Python